电子书：《神经网络与深度学习应用实战》
1249内容简介：
神经网络与深度学习
应用实战
Liu凡平等编著
電子工棠出版社
Publishing House of Electronics Industry
北京· BELJING
内容简介
本书结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神
经网络、反馈型神经网络,以及自组织竞争型神经网络,并针对当下深度学习中比较重要的网络进行
了详细介绍,包括卷积神经网络、循环(递归)神经网络、深度信念网络、生成对抗网络,以及深度
强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知,更能让读者在人工智能
领域进行一些深入思考
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容。
版权所有,侵权必究
图书在版编目(c|P)数据
神经网络与深度学习应用实战/Liu凡平等编著.一北京:电子工业出版社,20183
BN9787.121-33718-5
①神…Ⅱ.①Liu…Ⅲ.①人工神经网络一应用一研究②机器学习一应用一研究Ⅳ.①TP1
②TP81
中guo版本图书馆CP数据核字(2018)第031212号
责任编辑:安娜
印刷:三河市双峰印刷装订
装订:三河市双峰印刷装
出版发行:电子工业出版社
比京市海淀区万寿路173信箱邮编:100036
开本:787×9801/16印张:15.75字数:300千字
版次:2018年3月第1版
印次:2018年3月第1次印刷
定价:69.00元
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与本社发行部联系
联系及邮购电话:(010)88254888,8825888
质量投诉请发邮件至zts@phei.com.cn,盗版侵权举报请发邮件至dbqqlaphei.com.cn
本书咨询联系方式:010-51260888819,faq@phei.com
前言
本书结合实际应用介绍神经网络和深度学习等技术领域相关信息,从结构上重点介绍了前
馈型神经网络、反馈型神经网络,以及自组织竞争型神经网络,并针对当下深度学习中比较重
要的网络进行了详细介绍,包括卷积神经网络、循环(递归)神经网络、深度信念网络、生成
对抗网络,以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认
知,更能让读者在人工智能领域进
读者对象
对神经网络、深度学习以及人工智能有兴趣的读者
对算法以及机器学习领域有兴趣的读者
软件工程或计算机相关专业的在校学生
本书特色
书中内容紧密结合当前一线工程师工作研究成果,是对当前神经网络和深度学习的完整性
原理介绍和实践分析。本书充分利用了最新技术发展的应用成果,不仅结合原理分析,还结合
案例进行.辅。助.理
本书介绍的相关深度学习技术广泛应用于各个领域,可以在自然语言处理、计算机视觉
文本分析等领域中应用,在当前甚至未来三到五年,都具有实际意义
本书结构
本书按照由浅入深、循序渐进的顺序对神经网络和深度学习的内容进行介绍。全书共分
篇,分别从基础、进阶、高阶三个层次逐步展开,总共12章,各章的主要内容如下
第1章阐述了在当前时代背景下,神经网络和人工智能的发展历程,针对未来人工智能极
Ⅳ|神经网络与深度学习应用实战
可能改变的领域进行了深入介绍,并介绍了深度学习与机器学习的关系,以及深度学习与人工
第2章介绍了神经网络和深度学习的数学基础,从向量、矩阵、导数、数值计算、概率分
布、参数估计等方面进行了详细介绍,为学习后续内容奠定基础。
第3章重点介绍了机器学习的基础内容,神经网络和深度学习都属于机器学习中的内容,
包括拟合问題、交叉检验、产生式与判别式模型等,有助于加强对神经网络和深度学习的理解
第4章介绍了神经网络的基础,包括神经网络中常见的学习方法以及神经网络的优化方法,
阐述了常见的神经网络类型以及深度学习中的网络类型,并介绍了深度学习与多层神经网络的
第5章重点介绍了前馈型神经网络,它是神经网络中极为重要的一种网络类型。本章从单
层感知器开始,逐步深入介绍了BP神经网络以及径向基函数神经网络,重点介绍了反向传播
算法
第6章详细介绍了反馈型神经网络,它是一种带联想记忆的神经网络。本章重点介绍了
Hopfiled神经网络、lman神经网络以及递归神经网络。对于递归神经网络还进行了更为深入
的介绍,包括其反向传播算法以及各类改进的结构。
第7章重点介绍了自组织竟争型神经网络,从传统的系统聚类法、基于划分的聚类算法
基于密度的聚类算法、基于层次的聚类算法开始,详细介绍了自组织竟争型神经网络中的典型
代表——一自组织映射网络,还介绍了自适应共振理论以及对偶传播网络。
第8章介绍了卷积神经网络,卷积神经网络是目前图像处理中比较优秀的神经网络。本章
重点介绍了卷积神经网络中的卷积、卷积核等重要基础概念,详细阐述了卷积神经网络中各层
的工作原理,并介绍了常见的间距神经网络结构
第9章介绍了循环神经网络,循环神经网络与递归神经网络有一定的相似性。本章介绍了
殼的循环神经网络,包括单向循环神经网络、双向循环神经网络以及深度循环神经网络。重
点介绍了长短时记忆网络
第10章介绍了深度信念网络,深度信念网络是由受限玻尔兹曼机组成的网络结构。本章
重点介绍了受限玻尔兹曼机的逻辑结构和工作原理,并介绍了深度信念网络的训练过程
第11章介绍了生成对抗网络,生成对抗网络是未来会有较大突破的网络结构之一。本章
从一般的生成对抗网络入手进行介绍,然后介绍了各类改进版本,包括 DCGAN、CGAN
WGAN等,并对生成对抗网络的未来做了一定猜想
第12章介绍了深度强化学习,深度强化学习是一种有别于传统的有监督学习和无监督学
习的学习方式。本章重点介绍了强化学习的工作原理、MA尔科夫决策过程等,并结合强化学习
的各类算法进行了详细的介绍。
上述章节中,Guo武彪完成了第6章内容的编写,Chen相礼完成了第9章内容的编写,杨华完
了第11章内容的编写以及本书格式校验,其余章节内容由Liu凡平完成编写,并对本书内容
进行了校验
由于时间仓促及编者水平有限,书中难免存在错误和不足之处,恳请广大读者多多理解
并批评指正,也可以通过邮箱(liufanping(@iveely.com)联系我们
读者服务
轻松注册成为博文视点社区用户(www.broadview.com.cn),扫码直达本书页面
◎提交勘误:您对书中内容的修改意见可在提交勘误处提交,若被釆纳,将获赠博
文视点社区积分(在您购买电子书时,积分可用来抵扣相应金额)
交流互动:在页面下方读者评论处留下您的疑问或观点,与我们和其他读者一同
学习交流
页面入口:htp:/www.broadviewcom.cn3718
免费下载地址：
http://pan.qqq0.com/file/488067-425782012
页:
[1]