《深度學習：基於MATLAB的設計實例》是2018年北京航空航天大學出版社出版的圖書。
基本介紹
- 中文名：深度學習：基於MATLAB的設計實例
- 作者：Phil Kim
- 類別：程式設計
- 出版社：北京航空航天大學出版社
- 出版時間：2018年
- 開本：16 開
- 裝幀：平裝
- ISBN：9787512426665
內容簡介,圖書目錄,作者簡介,
內容簡介
深度學習如此流行,以至於關於它的資料隨處可見。但往往是理論連篇，並不適合開發者具體使用，本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細緻，目的就是希望幫助開發者在學習這個人工智慧的過程中不那么痛苦,同時也希望用本書中具體的開發實例講解能夠幫助開發者避免困惑。本書主要考慮了兩類讀者。*類是準備系統地學習深度學習以進一步研究和開發的讀者，書中的示例代碼將更加有助於進一步理解本書所講的內容。第二類是想比從雜誌或報紙上獲得更深入的深度學習信息,但不必進行實際研究的讀者。書中概念和示例結果,也有助於您理解深度學習的大多數重要技術。
本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。
第1個主題是機器學習。深度學習起源於機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背後的理念。第1章從機器學習與深度學習的關係開始講起,隨後是解決問題的策略和機器學習的基本局限性。
第2個主題是人工神經網路這是第2~4章的重點內容。由於深度學習就是採用一種神經網路的機器學習,所以不能將神經網路與深度學習分開。第2章從神經網路的基本概念講起:它的工作原理、體系結構和學習規則,也講到了神經網路由簡單的單層結構演化為複雜的多層結構的原因。第3章介紹了反向傳播算法,它是神經網路中一種重要和典型的學習規則,深度學習也使用這種算法。本章解釋了代價函式和學習規則是如何聯繫起來的,哪一種代價函式在深度學習中被廣泛使用。第4章介紹了將神經網路套用到分類問題中的方法。其中單列一節專門講分類,因為它是目前*流行的一種深度學習套用。例如圖像識別是一個分類問題,也是深度學習的一種主要套用。
第3個主題是深度學習,也是本書的重點,將在第5章和第6章中講解。第5章介紹了使深度學習能夠產生卓越性能的驅動因素。第6章講解了卷積神經網路,本章首先介紹了卷積神經網路的基本概念和結構,並與前面的圖像識別算法進行了比較;隨後解釋了卷積層和池化層的作用和運算方法,它們是卷積神經網路的重要組成部分。第6章也包含了一個用卷積神經網路進行數字圖像識別的例子,並研究了圖像通過各層的演化過程。
圖書目錄
第1章 機器學習
1.1 機器學習與深度學習
1.2 什麼是機器學習
1.3 機器學習的挑戰
1.4 過擬合
1.5 直面過擬合
1.6 機器學習的類型
1.7 分類和回歸
1.8 總 結
第2章 神經網路
2.1 概 述
2.2 神經網路節點
2.3 多層神經網路
2.4 神經網路的監督學習
2.5 單層神經網路訓練:增量規則
2.6 廣義增量規則
2.7 隨機梯度下降算法、批量算法和小批量算法
2.7.1 隨機梯度下降算法
2.7.2 批量算法
2.7.3 小批量算法
2.8 示例:增量規則
2.8.1 隨機梯度下降算法的實現
2.8.2 批量算法的實現
2.8.3 隨機梯度下降算法與批量算法的比較
2.9 單層神經網路的局限性
2.10 總 結
第3章 訓練多層神經網路
3.1 概 述
3.2 反向傳播算法
3.3 示 例
3.3.1 XOR問題
3.3.2 動量法(Momentum)
3.4 代價函式和學習規則
3.5 示 例
3.5.1 交叉熵函式
3.5.2 代價函式的比較
3.6 總 結
第4章 神經網路及其分類
4.1 概 述
4.2 二分類
4.3 多分類
4.4 示例:多分類
4.5 總 結
第5章 深度學習
5.1 概 述
5.2 深度神經網路的進化
5.2.1 梯度消失
5.2.2 過擬合
5.2.3 計算量的增加
5.3 示 例
5.3.1 ReLU 函式
5.3.2 節點丟棄
5.4 總 結
第6章 卷積神經網路
6.1 概 述
6.2 卷積神經網路的架構
6.3 卷積層
6.4 池化層
6.5 示例:MNIST
6.6 總 結
索 引
作者簡介
作者簡介：
Phil Kim，博士，從事無人駕駛飛機自主飛行算法和機載軟體的開發和研製工作。同時，他作為一名經驗豐富的MATLAB程式設計師，一直致力於使用MATLAB進行人工智慧、深度學習的大數據集繪製和分析算法的研究，先後在美國出版了MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples 等書籍，在人工智慧和MATLAB領域享有較高聲譽。
譯者簡介：
鄒偉，副研究員，北京睿客邦科技有限公司CEO，並成立了中科院鄒博人工智慧研究中心（杭州站）等產研機構；研究方向為機器學習、數據挖掘、計算幾何等領域，研究成果已成功套用於大型氣象設備的圖像與文本挖掘、金融產品AI化、股票交易與預測、高速公路流量預測和分析、傳統農資產品價格預測和決策等領域；獲得發明專利4項，著作權3個。
