深度學習架構與實踐

內容簡介

本書講述了深度學習架構與實踐，共分為兩個部分，第1部分（即第1~6章）為基礎理論，主要對深度學習的理論知識進行了詳細的講解；第2部分（即第7~12章）為套用實踐，以具體的實際案例為場景，通過理論和實踐相結合的講解方式使讀者能夠對深度學習技術有更好的理解。本書可以為讀者提供一條輕鬆、快速入門深度學習的路徑，有側重地闡明深度學習的經典知識和核心要點，從架構和實踐兩個方面，讓讀者對深度學習的系統架構和若干領域的套用實踐有清晰和深入的掌握。

圖書目錄

前言

緒論1

第1章深度學習的架構8

1.1如何區分人工智慧、機器學習、深度學習8

1.1.1人工智慧：從概念提出到走向繁榮8

1.1.2機器學習：一種實現人工智慧的方法9

1.1.3深度學習：一種實現機器學習的技術9

1.1.4人工智慧、機器學習和深度學習的關係9

1.2深度學習的發展歷史及研究現狀10

1.2.1深度學習的發展歷史10

1.2.2深度學習的研究現狀11

1.3深度學習的基本內容及理論基礎13

1.3.1深度學習的基本內容13

1.3.2深度學習的理論基礎15

1.4深度學習的發展趨勢與未來15

1.4.1深度學習的發展趨勢15

1.4.2深度學習的未來16

第2章深度學習相關數學基礎17

2.1線性代數17

2.1.1標量、向量、矩陣和張量17

2.1.2矩陣和向量相乘18

2.1.3單位矩陣和逆矩陣19

2.1.4線性相關和生成子空間19

2.1.5範數21

2.1.6特殊類型的矩陣和向量22

2.1.7特徵分解23

2.1.8奇異值分解24

2.1.9Moore-Penrose偽逆25

2.1.10跡運算25

2.1.11行列式26

2.1.12主成分分析26

2.2機率論與資訊理論29

2.2.1隨機試驗、頻率與機率、隨機變數29

2.2.2隨機變數的分布情況30

2.2.3二維隨機變數31

2.2.4期望、方差、協方差、相關係數33

2.2.5常用的機率分布34

2.2.6常用函式的有用性質37

2.2.7連續型變數的技術細節39

2.2.8資訊理論40

2.2.9結構化機率模型41

2.3擬合、梯度下降與傳播43

2.3.1過擬合和欠擬合43

2.3.2隨機梯度下降44

2.3.3正向傳播與反向傳播47

第3章神經網路的架構48

3.1神經網路與神經元48

深度學習架構與實踐

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條