深度學習——卷積神經網路算法原理與套用是一本2019年出版的圖書，由中國水利水電出版社出版
基本介紹
- 中文名：深度學習——卷積神經網路算法原理與套用
- 作者：王改華
- 出版時間：2019年6月
- 出版社：中國水利水電出版社
- ISBN：9787517075950
深度學習——卷積神經網路算法原理與套用是一本2019年出版的圖書，由中國水利水電出版社出版
《深度學習：卷積神經網路算法原理與套用》是2019年水利水電出版社出版的圖書。圖書目錄 前言 第1章 緒論 1.1 深度學習 1.1.1 概述 1.1.2 基本思想 1.1.3 基本分類 1.2 卷積神經網路技術的發展與套用 1.2.1 卷積...
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...
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、深度強化學習、基於策略的算法更新與趨勢等，通過具體案例，將Python語言、深度學習思想、強化學習思想和...
深度卷積網路（DCNN）是目前十分流行的深度神經網路架構，它的構造清晰直觀，效果引人入勝，在圖像、視頻、語音、語言領域都有廣泛套用。本書以AI領域新的技術研究和和實踐為基礎，從技術理論、工作原理、實踐方法、架構技巧、訓練方法、...
《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...
《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，...
本書系統性地介紹了深度學習的原理、關鍵技術及相關套用，首先從基本概念、必備的線性代數、微積分、機率統計等數學知識等入手，這些預備知識可幫助讀者更好地理解深度學習技術。接著對深度學習方法和技術進行了詳細介紹，包括卷積神經網路、...
對循環神經網路的研究始於二十世紀80-90年代，並在二十一世紀初發展為深度學習（deep learning）算法之一，其中雙向循環神經網路（Bidirectional RNN, Bi-RNN）和長短期記憶網路（Long Short-Term Memory networks，LSTM）是常見的循環神經網路...
3．6．1 多層神經網路的數學表示 3．6．2 反向傳播算法原理 3．7 實現簡單神經網路 思考題 參考文獻 第4章 圖像類數據處理 4．1 二維卷積神經網路的基本原理 4．1．1 卷積神經網路的原理 4．1．2 參數共享 4．1．3 池化 4...
讀者將學習使用卷積神經網路(CNN)深度學習模型和Python編寫計算機視覺套用。本書從解釋傳統的機器學習流程開始介紹，分析了一個圖像數據集。接下來，讀者將學習人工神經網路(ANN)，使用Python從頭開始構建一個ANN，然後使用遺傳算法(GA)最佳化...
著有《Spark MLlib機器學習實踐》《TensorFlow深度學習套用實踐》《OpenCV TensorFlow深度學習與計算機視覺實戰》《TensorFlow 2.0卷積神經網路實戰》《TensorFlow Keras自然語言處理實戰》等圖書。內容簡介 深度學習已經進入我們的生活，雲計算...
本書詳盡講述了兩方面的內容——深度學習的算法原理及如何使用TensorFlow框架進行編程實踐。 深度學習的算法原理方面主要包括來人工智慧的歷史，變革以及現代深度神經網路算法。使用TensorFlow框架進行編程實踐方面包括了該框架的基本編程語法及一...
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...
《神經網路與深度學習》涵蓋了神經網路的研究歷史、基礎原理、深度學習中的自編碼器、深度信念網路、卷積神經網路等，這些算法都已在很多行業發揮了價值。目錄 第0章 寫在前面：神經網路的歷史 1 第1章 神經網路是個什麼東西 13 1.1...
8.6 反卷積神經網路183 8.7 實例50：用反卷積技術復原卷積網路各層圖像195 8.8 善用函式封裝庫198 8.9 深度學習的模型訓練技巧201 第9章 循環神經網路——具有記憶功能的網路210 9.1 了解RNN的工作原理210 9...
8.6.1 反卷積神經網路的套用場景184 8.6.2 反卷積原理184 8.6.3 實例45：演示反卷積的操作185 8.6.4 反池化原理188 8.6.5 實例46：演示反池化的操作189 8.6.6 實例47：演示gradients基本用法192 8.6.7 實例48：使用...
7．4．5 實例9：搭建卷積神經網路 143 7．5 循環神經網路結構 145 7．5．1 了解人的記憶原理 145 7．5．2 循環神經網路的套用領域 146 7．5．3 循環神經網路的正向傳播過程 147 7．5．4 BP算法與BPTT算法的原理 ...
5.2.4卷積網路的整體結構...119 5.3參數學習...120 5.3.1卷積神經網路的反向傳播算法...120 5.4幾種典型的卷積神經網路...121 5.4.1LeNet-5...122 5.4.2AlexNet...123 5.4.3Inception網路...125 5.4.4殘差網路...
6.2 示例2：深度可視化網路 209 6.2.1 梯度上升法 210 6.2.2 可視化所有卷積層 213 6.2.3 可視化輸出層 218 6.2.4 卷積神經網路真能理解視覺嗎 219 6.3 示例3：卷積神經網路藝術繪畫 220 6.3.1 算法思想 ...
上卷包括兩個部分：第一部分是基礎算法，包括機器學習基礎算法、早期神經網路算法、深度學習的正則化方法和深度學習的最佳化方法；第二部分是判別式模型，包括卷積神經網路（CNN）、循環神經網路（RNN）、長短期記憶模型（LSTM）、注意力機制和...
通過本課程的學習，讀者可以了解Python開發環境構建、Python基礎、網路爬蟲的數據採集、深度學習BP神經網路、卷積神經網路、循環神經網路、遺傳算法和進化策略等。本課程理論與實踐並重，配套教學視頻，知識體系完整全面，讀者通過本教程的學習...
《Python深度學習：基於TensorFlow 第2版》是2022年機械工業出版社出版的圖書。內容簡介 這是一本能指導讀者快速掌握TensorFlow和深度學習的著作，從TensorFlow的原理到套用，從深度學習到強化學習，本書提供了全棧解決方案。第1版上市後銷量...
1.1.1人工智慧在各領域中的套用1 1.1.2人工智慧、機器學習和深度學習3 1.2深度學習的基本原理5 1.2.1神經元5 1.2.2人工神經網路8 1.2.3反向傳播算法11 1.2.4神經網路的數據結構——張量18 1.3卷積神經網路18 1.3.1...