多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《深度卷积网络：原理与实践（全彩版）》_1
《深度卷积网络：原理与实践（全彩版）》_2
《深度卷积网络：原理与实践（全彩版）》_3
内容简介：
内容简介
深度卷积网络(DCNN)是目前十分流行的深度
神经网络架构,它构造清晰直观,效果引人入胜,在
图像、视频、语音、语言领域都有广泛应用
本书以A领域最新的技术研究和实践为基础
从技术理论、工作原理、实践方法、架构技巧、训练
方法、技术前瞻等6个维度对深度卷积网络进行了系
统、深入、详细的讲解
以实战为导向,深入分析 AlphaGo和GAN的实
过程、技术原理、训练方法和应用细节,为读者依
卷积网络和深度卷积网络的神秘
纱,让读者了解A的“思考过程”,以及与人类思维
的相同和不同之处
本书在逻辑上分为3个部分
第一部分综述篇(第1、6、9章)
这3章不需要读者具备编程和数学基础,对深度
学习和神经网络的基础知识、 AlphaGo的架构设计和
工作原理,以及深度学习和人工智能未来的技术发展
趋势进行了宏观介绍
第二部分深度卷积网络篇(第2、3、4、5章)
结合作者的实际工作经验和案例代码,对深度卷
积网络的技术理论、工作原理、实践方法、架构技巧
和训练方法做了系统而深入的讲解
第三部分实战篇(第7、8章)
详细分析了 AlphaGan和GAN的技术原理、训练
方法和应用细节,包括详细的代码分析和大量GAN的
精彩实例
可在 GitHub上与作者交流与本书相关的问题
■■■智能系统与技术丛书
Deep Convolutional Neural Network
Principle and Practi
深度卷积网络
原理与实践
彭博著
Q想玉豐出
图书在版编目(CIP)数据
深度卷积网络:原理与实践/彭博著.一北京:机械工业出版社,2018.3
(智能系统与技术丛书)
SBN978-7-111-59665-3
I.深…Ⅱ.彭…Ⅲl人工神经网络一研究IV.TP183
中guo版本图书馆CIP数据核字(2018)第064727号
深度卷积网络:原理与实践
出版发行:机械工业出版社(北京市西城区百万庄大街22号部政编码:100037)
责任编辑 i艺
责任校对i秋荣
印刷:北京市兆成印刷有限责任公司
版次:2018年5月第1版第1次印刷
开本:186mmx240mm1/16
印张:20.5
书号:ISBN978-7-111-59665-3
定价:129.00元
如有缺页、倒页、脱页,由本社发行部调换
(010)8837942688361066
投稿热线 010)88379604
(010)683262948837964968995259读者信箱:hzit@ hzbook, com
版权所有·侵权必究
封底无防伪标均为盗版
本书法律顾问:北京大成律师事务所Han光/邻晓东
前言
为何写作本书
自2012年以来,随着深度学习( Deep Learning,DL)的快速发展,人工智能( Artificial
Intelligence,AI)取得了长足的进展
从语音助手、人脸识别、照片美化,到自动驾驶、医疗诊断、机器翻译,基于深度神
经网络( Deep Neural Network,DNN)的新一代人工智能,已在各个领域进人我们的ri常
生活。许多学者认为,人工智能将开启第四次工业ge命,并对人类的未来产生深远影响
例如,通过 Mask r.cnn深度神经网络⊙,电脑可快速自动识别出图像中的各个物体
色彩和方框标记。这对于自动驾驶和机器人技术有重要意义,也是传统AI方法难以实现的
e地址为htps/ arxIv. org/abs.1703.06870
值此变革之际,我们理应跟上时代的步伐,增进对DL与AI的了解。本书的目标是
口如果读者没有编程和数学基础,也能在阅读后体会到深度神经网络的奥妙
口如果读者有一定基础,就可学会用DL的方法解决实际问题,为从事相关的工作和
研究做好准备。
具体而言,本书选取深度卷积网络( Deep Convolutional Neural Network,DCNN)作为
切入点,这是目前最流行的深度神经网络架构,其构造直观易懂,效果引人入胜,在图像
视频、语音、语言领域都有广泛应用
我们还将结合多个实例进行讲述,让读者更深入理解深度神经网络的运作。说起
深度神经网络的实例,广为人知的莫过于由 Google DeepMind研发的 AlphaGo(htps:∥
deepmind. com/research/alphago/)
口在2016年3月, Alpha以4:1战胜Hanguo顶尖棋手Li世,让A成为了目前最热
门的话题之
口在2017年5月,新版 AlphaGo以3:0战胜当今世界围棋第一人—中guo的柯洁。
所有棋手都认同它已全面胜过人类,但它仍需要人类棋谱作为训练的前期输入
口在2017年10月,名为 AlphaGo Zero的最新版 AlphaGo已能完全脱离人类棋谱
从零开始,纯粹依靠自我探索,自我对弈,就能实现超越此前所有版本的棋力。
口如下图所示,蓝色的20- blocks版 Alpha Go Zero,最初的棋力还不如人类的初学者
但它在24小时内就能赶上红色的学习人类棋谱的 AlphaGo,并在40小时内超越与
Li世对战的 AlphaGo
5000
4000
2000
1000
2000
自我对弈学习
根据人类棋谱学习
4000
与Li世艺对战的 AlphaL的棋力
口在2017年12月, DeepMind还将 AlphaGo Zero的方法用于guo际象棋、ri本将棋
称为 AlphaZero。它仅需几个小时的训练,就打败了此前世界最强的程序,这证明
|
|
