-
收藏
-
加书架
-
引用
深度神经网络是近年来受到广泛关注的研究方向,它已成为人工智能2.0的主要组成部分。本书系统地论述了深度神经网络基本理论、算法及应用。全书共十六章,分为两个部分;第一部分(第一章到第十章)系统论述了理论及算法,包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等;第二部分(第十一章到第十五章)论述了常用的深度学习平台,以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用;第十六章为总结与展望,给出了深度学习发展的历史图、前沿方及最新进展。每章都附有相关阅读材料及仿真代码,以便有兴趣的读者进一步钻研探索。本书可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考,以及作为相关专业本科生及研究生教学参考书,同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。
《深度学习、优化与识别》的特色 深度学习是计算机科学与人工智能的重要组成部分。全书16章,分为理论与实践应用两部分,同时介绍5种深度学习主流平台的特性与应用,后给出了深度学习的前沿进展介绍,另附带47种相关网络模型的实现代码。本书具有以下的特点: 一、内容系统全面 全书16章,覆盖了深度学习当前出现的诸多经典框架或模型,分为两个部分。第一部分系统地从数据、模型、优化目标函数和求解等四个方面论述了深度学习的理论及算法,如卷积神经网络、深度生成模型等;第二部分基于5种主流的深度学习平台给出了深度网络在自然图像、卫星遥感影像等领域的应用,如分类、变化检测、目标检测与识别等任务。另外给出了深度学习发展的脉络图及新研究进展,提供可基于5种平台实现的47中深度网络代码,以便有兴趣的读者进一步钻研探索。 二、叙述立场客观 作为深度学习的入门教材,尽可能不带偏见地对材料进行分析、加工以及客观介绍。本书理论部分均从模型产生的本源来介绍,并给出各个经典模型之间内在的相互联系。本书实践应用部分对相关任务做了详尽的分析,并给出深度学习应用实践的经验总结。 三、设计装帧精美 该书设计人性化,文字、公式、数学符号混排格式美观精致,特别是,全书采用全彩印制,软精装装帧。封面设计清新却不脱俗、学术化,足可以看出出版社和作者的用心。
- 版权: 清华大学出版社
- 出版: 2017-07-01
- 更新: 2023-06-07
- 书号:9787302473671
- 中图:TP183
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
相关专题
相关图书
-
深度学习与音乐生成
[法]让·皮埃尔·布赖特(Jean-Pierre Briot),[法]加埃坦·哈杰里斯(Ga?tan Hadjeres),[法]弗朗索瓦·大卫·帕凯特(Fran?ois-David Pachet) 著;高凯,仇元喆,刘一贺 译
¥79.00