圖解深度學習

內容簡介

本書從深度學習的發展歷程講起，以豐富的圖例從理論和實踐兩個層面介紹了深度學習的各種方法，以及深度學習在圖像識別等領域的套用案例。內容涉及神經網路、卷積神經網路、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。

作者簡介

山下隆義

1978年出生於日本神戶，2002年修完博士前期課程，並於當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟體研究和開發。2011年在日本中部大學研究生院工學研究科修完博士後期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程系講師。目前從事動畫處理、模式識別和機器學習相關的研究。曾多次榮獲日本深度學習研究相關獎項，並在多個譽煉艱相關研討會上擔任講師。

譯者簡介

張彌（譯者）

畢業於大連外國語大學日本語學院。現就職於某日本大型朵她獄跨國公司，從事技術翻譯工作，具有豐富的軟體開發和醫學翻譯經驗。喜歡挑戰新事物，樂於學習新知識和接觸新領域。

圖書目錄

第1章　緒論

1.1　深度學習與機器學習

1.2　深度陵膠淚和學習的發展歷程

1.3　為什麼是深度學習

1.4　什麼是深度學習

1.5　本書結構

第2章　神經網路

2.1　神經網路的歷史

2.2　M-P模型

2.3　感知器

2.4　多層感知器

2.5　誤差反向傳播算法

2.6　誤差函式和激活函式

2.7　似然函式

2.8　隨機梯度下降法

2.9　學習率

2.10　小結企詢影

第3章　卷積神經網路

3.1　卷積神經網路的結構

3.2　卷積層

3.3　池化層

3.4　全連線層

3.5　輸出層

3.6　神經網路的訓練全囑宙方法

3.7　小結

第4章　受限玻爾匙凶察陵茲曼機

4.1　Hopfield 神經網路

4.2　玻爾茲曼機

4.3　受限玻爾茲曼機

4.4　對比散度算法

4.5　深度信念網路

4.6　小結

第5章　自編碼器

5.1　自編碼器

5.2　降噪自編碼器

5.3　稀疏自編碼器

5.4　棧式自編碼器

5.5　在預訓練中的套用戒戀

5.6　小結

第6章　提高泛化能力的方法

6.1　訓練樣本

6.2　預處理

6.3　激活函式

6.4　Dropout

6.5　DropConnect

6.6　小結

第7章　深度學習工具

7.1　深度學習開發環境

7.2　Theano

7.3　Pylearn2

7.4　Caffe

7.5　訓練系統——DIGITS

7.6　Chainer

7.7　TensorFlow

7.8　小結

第8章　深度學習的現在和未來

8.1　深度學習的套用案例

8.2　深度學習的未來

8.3　小結

參考文獻

作者介紹

圖解深度學習

基本介紹

內容簡介

作者簡介

譯者簡介

圖書目錄

相關詞條

熱門詞條