深度學習與信號處理：原理與實踐

內容簡介

本書分析研究了深度學習相關的網路模型，以及不同網路模型的算法結構、原理與核心思想及實戰案例。主要內容涉及人工神經網路、模糊神經網路、機率神經網路、小波神經網路、卷積神經網路及其擴展模型、深度生成對抗網路及其擴展模型、深度受限玻爾茲曼機及其擴展模型、深度信念網路及其擴展模型、深度自編碼器及其擴展模型等深度學習網路結構、原理與方法。通過深度學習網路在信道盲均衡、目標識別、圖像分類和運動模糊去除、特徵提取與識別、缺陷早期診斷等領域中的套用案例，為讀者提供套用深度學習網路解決具體問題的思路和方法。本書適合人工智慧、計算機、自動化、電子與通信、大數據科學等相關學科專業的科學研究人員和工程技術人員閱讀，也可作為相關專業博士、碩士研究生的參考書。

作者簡介

郭業才，男，教授，博導。2003年獲西北工業大學水聲工程專業博士學位，全國優秀百篇博士學位論文獲得者，安徽省學術與技術帶頭人，江蘇省“六大人才高峰”培養對象，江蘇省高校“信息與通信工程”優勢建設項目方向帶頭人。主持完成或承擔了全國優秀博士學位論文作者專項資金、國家自然科學基金等科研項目和、省級教學研究項目等，共20餘項；獲省級科學技術成果獎和教學成果獎9項；出版規劃教材1部、教育部電子信息類教指委規劃教材5部及省重點教材2部；獲授權發明專利30餘件；指導的研究生有5人獲省級優秀碩士學位論文獎。

圖書目錄

前言

第1章初識深度學習1

1.1深度學習有多深1

1.2深度學習如何學4

1.3深度學習如何提速5

1.4主流深度學習框架12

1.5本書內容與體系結構13

第2章人工神經網路15

2.1神經網路演進15

2.2神經網路訓練與預測22

2.3最佳化算法23

2.4計算圖30

2.5正則化懲罰項36

2.6神經網路BP算法39

2.7過擬合與欠擬合43

2.8實例1：基於前饋神經網路的動量盲均衡算法52

第3章模糊神經網路58

3.1隸屬函式59

3.2常規模糊神經網路66

3.3模糊聯想記憶神經網路67

3.4神經模糊推理系統70

3.5神經網路近似邏輯72

3.6實例2：基於智慧型模糊神經網路的飛彈防禦系統未知飛行目標識別方法73

第4章機率神經網路85

4.1模式分類的貝葉斯判定策略85

4.2密度估計的一致性86

4.3機率神經網路87

4.4貝葉斯陰陽系統理論90

4.5實例3：基於離散餘弦變換和機率神經網路的腦腫瘤分類方法91

第5章小波神經網路97

5.1小波理論97

5.2小波神經網路101

5.3小波神經網路訓練架構106

5.4小波神經網路最佳化方法107

深度學習與信號處理：原理與實踐

基本介紹

內容簡介

作者簡介

圖書目錄

相關詞條

熱門詞條