《深度学习 入门与实践》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:龙飞,王永兴著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2017
  • ISBN:9787302482789
  • 页数:189 页
图书介绍:本书是一本关于深度学习的入门读物,阐述了深度学习的发展历程、相关基本概念和工作原理。介绍了两个当前流行的深度学习工具:Caffe和TensorFlow。初步探讨了强化学习的基本原理和应用。为了能让初学者快速上手,本书注重从总体框架和脉络上整体把握深度学习技术,同时在阐述原理时配以简单的实例供读者印证。本书适合有志于从事人工智能、深度学习相关研究的高年级本科生或研究生以及相关研发工作的工程技术人员参考。

第1章 绪论 1

1.1 引言 1

1.2 基本概念 3

1.2.1 回归、分类、聚类 6

1.2.2 监督学习、非监督学习、半监督学习、强化学习 8

1.2.3 感知机、神经网络 9

1.3 发展历程 11

1.4 相关学者与会议或赛事 12

1.5 本章小结 16

参考文献 17

第2章 回归 18

2.1 线性回归 19

2.1.1 问题描述 19

2.1.2 问题求解 20

2.1.3 工具实现 28

2.2 逻辑回归 35

2.2.1 问题描述 35

2.2.2 问题求解 37

2.2.3 工具实现 39

2.3 本章小结 43

参考文献 43

第3章 人工神经网络 44

3.1 Rosenblatt感知机 45

3.1.1 训练方法 47

3.1.2 算法实例 48

3.1.3 梯度下降 54

3.2 人工神经网络 55

3.2.1 网络架构 55

3.2.2 训练方法 56

3.2.3 算法实例 61

3.3 本章小结 72

参考文献 72

第4章 Caffe简介 73

4.1 CNN原理 74

4.1.1 卷积 75

4.1.2 池化 82

4.1.3 LeNet-5 84

4.2 Caffe架构 86

4.2.1 Blob类 87

4.2.2 Layer类 88

4.2.3 Net类 92

4.2.4 Solver类 93

4.3 Caffe应用实例 94

4.3.1 车型识别 95

4.3.2 目标检测 125

4.4 本章小结 141

参考文献 142

第5章 TensorFlow简介 143

5.1 TensorFlow架构 144

5.2 TensorFlow简单应用 149

5.2.1 TensorFlow安装 149

5.2.2 线性回归 150

5.3 TensorFlow高级应用 153

5.3.1 MNIST手写数字识别 153

5.3.2 车型识别 167

5.4 本章小结 171

参考文献 172

第6章 强化学习简介 173

6.1 强化学习基本原理 174

6.2 AlphaGo基本架构 178

6.3 其他趣味应用 183

6.4 本章小结 186

参考文献 187

后记 188