《深度卷積神經網路原理與實踐》是2020年電子工業出版社出版的圖書。
基本介紹
- 中文名：深度卷積神經網路原理與實踐
- 作者：周浦城著
- 出版時間：2020年
- 出版社：電子工業出版社
- ISBN：9787121396632
《深度卷積神經網路原理與實踐》是2020年電子工業出版社出版的圖書。
卷積神經網路（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網路（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。卷積神經網路具有表征學習（representation learning）能力，能夠...
深度卷積神經網路原理與實踐 《深度卷積神經網路原理與實踐》是2020年電子工業出版社出版的圖書。
《深度學習：卷積神經網路技術與實踐》是2020年機械工業出版社出版的圖書，作者是高敬鵬。內容簡介 本書共11章，主要內容包括深度學習簡介、Python基礎、神經網路基礎、卷積神經網路、經典卷積網路結構、遷移學習、循環神經網路、強化學習、...
《解析深度學習：卷積神經網路原理與視覺實踐》是2018年電子工業出版社出版的圖書，作者是魏秀參。內容簡介 本書作為該領域的入門書籍，在內容上涵蓋深度卷積神經網路的基礎知識和實踐套用兩大方面。全書共14 章，分為三個部分：第一部分為...
3.2.3 BP神經算法原理 3.2.4 信號傳遞過程的實現 3.2.5 算法分析 習題 第4章 卷積神經網路 4.1 原理 4.1.1 動機 4.1.2 卷積神經網路特點 4.2 LeNet 4.2.1 網路總體結構 4.2.2 分層結構 4...
《Tensorflow與卷積神經網路從算法入門到項目實戰》是2019年電子工業出版社出版的圖書，作者是華超。內容提要 《Tensorflow與卷積神經網路從算法入門到項目實戰》內容通俗易懂，案例豐富，實用性強，特別適合TensorFlow和深度卷積神經網路入門讀者...
卷積神經網路由一個或多個卷積層和頂端的全連通層（對應經典的神經網路）組成，同時也包括關聯權重和池化層（pooling layer）。這一結構使得卷積神經網路能夠利用輸入數據的二維結構。與其他深度學習結構相比，卷積神經網路在圖像和語音識別...
卷積神經網路是現代神經網路的核心內容，TensorFlow又是現在最為流行的深度學習框架。本書使用TensorFlow 2.0作為卷積神經網路實現的基本工具，引導深度學習初學者，從搭建環境開始，逐步深入到理論、代碼和套用實踐中去。本書分為8章，第1...
《從深度學習到圖神經網路：模型與實踐》是一本電子工業出版社出版的圖書，作者為張玉宏、楊鐵軍。本書涉及的理論知識全面細緻，內含數學基礎、最佳化算法、卷積神經網路、表示學習、嵌入表示、空域圖卷積神經網路、譜域圖卷積神經網路等。內容...
4.3 卷積神經網路...80 4.3.1 卷積神經網路原理... 81 4.3.2 *卷積神經網路 BP 算法的數學推導 ... 86 4.4 循環神經網路 ... 89 4.4.1 循環神經網路模型原理...90 4.4.2 *BPTT 算法 ......
第6章 卷積神經網路進階示例 192 6.1 示例1：全卷積網路圖像語義分割 193 6.1.1 VGG連續小核卷積層 193 6.1.2 VGG網路模型 195 6.1.3 全卷積網路模型 199 6.1.4 全卷積網路語義分割 204 6.2 示例2：深度...
《深度學習：原理與套用實踐》是2016年12月電子工業出版社出版的圖書，作者是張重生。圖書目錄 本書全面、系統地介紹深度學習相關的技術，包括人工神經網路，卷積神經網路，深度學習平台及原始碼分析，深度學習入門與進階，深度學習高級實踐，...
6.5常見的幾種卷積神經網路結構145 6.6幾種拓展的卷積神經網路結構158 6.7實例5：基於深度卷積神經網路 的遙感圖像分類162 6.8實例6：基於深度卷積神經網路的運動模糊去除170 第7章深度生成對抗網路181 7.1生成對抗網路原理181 7.3...
神經網路，介紹了神經網路的基礎模型，包括單個神經元、多層神經網路、卷積神經網路、循環神經網路、自編碼網路等內容；第3篇深度學習進階，是對基礎網路模型的靈活運用與自由組合，是對前面知識的綜合及拔高，包括深度神經網路和對抗神經網路...
深度學習是一類模式分析方法的統稱，就具體研究內容而言，主要涉及三類方法：（1）基於卷積運算的神經網路系統，即卷積神經網路（CNN）。（2）基於多層神經元的自編碼神經網路，包括自編碼（Auto encoder）以及近年來受到廣泛關注的稀疏編碼兩...
TensorFlow是目前機器學習、深度學習領域最優秀的計算系統之一，《深度學習原理與TensorFlow實踐》結合實例介紹了使用TensorFlow開發機器學習套用的詳細方法和步驟。同時，《深度學習原理與TensorFlow實踐》著重講解了用於圖像識別的卷積神經網路和用於...
5.1 從人工神經網路到卷積神經網路 143 5.1.1 深度學習背後的直覺 144 5.1.2 卷積的推導 147 5.1.3 設計CNN 156 5.1.4 池化操作 159 5.1.5 卷積操作示例 160 5.1.6 最大池化操作示例 162 5.2 使用NumPy從頭開始...
第1章對深度神經網路的科學原理和實現這種網路的不同框架以及框架背後的數學機制提供一個快速回顧。第2章向讀者介紹卷積神經網路，並展示如何利用深度學習從圖像中提取信息。第3章從零開始針對圖像分類問題構建一個簡單的CNN，並闡明如何...
全書內容包括人工智慧基礎、機器學習基礎、深度學習主要框架、深度神經網路、卷積神經網路、循環神經網路、自編碼器與生成對抗網路。本書可作為高等院校人工智慧、計算機、自動化、電子和通信等相關專業的本科生或研究生教材，也可作為相關領域...
2.4 訓練神經網路 33 2.4.1 神經網路的運行過程 34 2.4.2 反向傳播 34 2.4.3 最佳化困境 36 2.5 參考文獻 38 第3章 卷積神經網路 39 3.1 卷積與池化 39 3.1.1 信號處理中的卷積 39 3.1.2 深度學習中的...
·第二部分是基礎模型：第4～6章分別講述三種主要的神經網路模型：前饋神經網路、卷積神經網路和循環神經網路；第7章介紹神經網路的最佳化與正則化方法；第8章介紹神經網路中的注意力機制和外部記憶；第9章簡要介紹一些無監督學習方法；第10...
9.6反卷積神經網路 9.6.1反卷積原理 9.6.2反卷積操作 9.6.3實例： TensorFlow實現反卷積 9.6.4反池化原理 9.6.5實例： TensorFlow實現反池化 9.6.6偏導計算 9.6.7梯度停止 9.7深度學習的訓練技巧 9.7.1最佳化卷積核...
7.2 從零開始構造一個識別貓、狗圖片的卷積網路... 93 7.3 使用預先訓練的卷積網路實現圖像快速識別... 101 7.4 視覺化神經網路的學習過程... 105 7.5 揭秘卷積網路的底層原理... 109 第8章 用深度學習實現自然語言...
4.4 常見的神經網路類型 78 4.4.1 前饋型神經網路 78 4.4.2 反饋型神經網路 79 4.4.3 自組織競爭型神經網路 79 4.5 深度學習中常見的網路類型 80 4.5.1 卷積神經網路 80 4.5.2 循環神經網路 8...
深度卷積網路將圖像識別的準確率提高了一個台階，並在個別領域，如人臉識別中取得了超過人類的識別水平。深度學習的本質是大數據支持下的多層人工神經網路系統，一個深度學習模型通常包含數以百萬計甚至千萬計的參數和十幾層甚至幾十層的...
7.1 卷積神經網路入門90 7.2 從零開始構造一個識別貓、狗圖片的卷積網路93 7.3 使用預先訓練的卷積網路實現圖像快速識別101 7.4 視覺化神經網路的學習過程105 7.5 揭秘卷積網路的底層原理109 第8章 用深度學習...