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...