實用深度學習基礎

內容簡介

本書根據深度學習技術發展速度快、理論性與實踐性強、套用廣泛等特點，結合教學、科研及套用需求，堅持“原理、技術、套用”三位一體原則，注重基礎性、系統性、前沿性和實用性的統一，對深度學習的**方法與研究趨勢進行全面深入的研究和探索。全書分成四部分：第一部分是人工智慧基礎，重點闡述人工智慧的概念、發展歷史和發展趨勢等；第二部分是深度學習基礎，包括機器學習基礎理論、深度學習基礎、深度學習網路的最佳化方法和技巧；第三部分是經典神經網路技術，包括卷積神經網路、循環神經網路、神經網路的區分性訓練、序列到序列建模；第四部分是高級深度學習技術，包括自編碼器、遷移學習、生成對抗網路、終身學習、深度強化學習、元學習、自監督學習等。

本書在深入淺出的講解中將**理論成果與實際問題解決過程相結合，培養學生的創新思維和解決複雜工程問題能力，適用於人工智慧、網路安全、通信工程、信息工程等專業高年級本科生、研究生教學，可作為人工智慧相關領域的科研人員、工程師的重要參考書。

圖書目錄

第1章人工智慧技術概覽

1．1人工智慧的概念

1．1．1智慧型的基本概念

1．1．2人類智慧型的度量

1．1．3人工智慧的概念

1．2人工智慧的發展歷程

1．2．1人工智慧誕生前的50年

1．2．2人工智慧發展的第一階段

1．2．3人工智慧發展的第二階段

1．2．4人工智慧發展的第三階段

1．3人工智慧的學術流派

1．3．1戴維·阿蘭格里爾的學術流派劃分

1．3．2佩德羅·多明戈斯的學術流派劃分

1．3．3人工智慧學術流派的重新劃分

1．4人工智慧的未來發展

1．4．1無監督學習、元學習正在突破通用智慧型

1．4．2實時強化學習技術趨於成熟

1．4．3可解釋性知識推理技術成為研究重點

1．4．4開放式持續學習技術受到廣泛關注

1．4．5不同流派人工智慧技術融合認知開闢新的技術路徑

1．4．6套用場景朝小數據量、惡劣環境、非完整數據方向發展

1．5本章小結

參考文獻

第2章機器學習理論基礎

2．1機器學習基本概念

2．1．1學習與機器學習

2．1．2機器學習的分類

2．1．3感知機及其學習算法

2．2可能近似正確學習理論

2．2．1機器學習的不可行性

2．2．2機率近似正確學習理論

2．3VC維理論

2．3．1假設的有效數量

2．3．2突破點

2．3．3上限函式

2．3．4VC維

2．4三個最基本機器學習模型

實用深度學習基礎

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條