基本介紹
- 書名：解析深度學習：卷積神經網路原理與視覺實踐
- 作者：魏秀參
- 頁數：200
- 出版社：電子工業出版社
- 出版時間：2018-11
書籍信息,內容簡介,圖書目錄,
書籍信息
作譯者：魏秀參
出版時間：2018-11千 字 數：170版次：01-01頁 數：200
開本：16開裝幀：I S B N ：9787121345289
換版：
紙質書定價：￥79.0
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：第一部分為緒論；第二部分（第1～4 章）介紹卷積神經網路的基礎知識、基本部件、經典結構和模型壓縮等基礎理論內容；第三部分（第5～14 章）介紹深度卷積神經網路自數據準備開始，到模型參數初始化、不同網路部件的選擇、網路配置、網路模型訓練、不平衡數據處理，最終到模型集成等實踐套用技巧和經驗。本書並不是一本編程類書籍，而是希望通過“基礎知識”和“實踐技巧”兩方面使讀者從更高維度了解、掌握並成功構建針對自身套用問題的深度卷積神經網路。本書可作為深度學習和卷積神經網路愛好者的入門書籍，也可供沒有機器學習背景但希望能快速掌握該方面知識並將其套用於實際問題的各行從業者閱讀參考。
圖書目錄
第一部分緒論 / 1
第二部分基礎理論篇 / 9
1 卷積神經網路基礎知識 / 10
1.1 發展歷程 / 11
1.2 基本結構 / 13
1.3 前饋運算 / 16
1.4 反饋運算 / 16
1.5 小結 / 19
2 卷積神經網路基本部件/ 21
2.1 “端到端”思想/21
2.2 網路符號定義/ 23
2.3 卷積層/24
2.3.1 什麼是卷積/ 24
2.3.2 卷積操作的作用/27
2.4 匯合層/28
2.4.1 什麼是匯合/ 29
2.4.2 匯合操作的作用/30
2.5 激活函式/ 31
2.6 全連線層/ 33
2.7 目標函式/ 34
2.8 小結/ 34
3 卷積神經網路經典結構/ 35
3.1 CNN 網路結構中的重要概念/35
3.1.1 感受野/ 35
3.1.2 分散式表示/ 37
3.1.3 深度特徵的層次性 /39
3.2 經典網路案例分析/42
3.2.1 Alex-Net 網路模型/ 42
3.2.2 VGG-Nets 網路模型/46
3.2.3 Network-In-Network /48
3.2.4 殘差網路模型/49
3.3 小結/ 54
4 卷積神經網路的壓縮/ 56
4.1 低秩近似/ 58
4.2 剪枝與稀疏約束/60
4.3 參數量化/ 64
4.4 二值網路/ 68
4.5 知識蒸餾/ 71
4.6 緊湊的網路結構//74
4.7 小結/ 76
第三部分實踐套用篇/ 77
5 數據擴充/ 78
5.1 簡單的數據擴充方式/78
5.2 特殊的數據擴充方式/80
5.2.1 Fancy PCA /80
5.2.2 監督式數據擴充/80
5.3 小結/ 82
6 數據預處理/ 83
7 網路參數初始化/ 85
7.1 全零初始化/86
7.2 隨機初始化/86
7.3 其他初始化方法/89
7.4 小結/ 90
8 激活函式/ 91
8.1 Sigmoid 型函式/ 92
8.2 tanh(x) 型函式/ 93
8.3 修正線性單元（ReLU） /93
8.4 Leaky ReLU /94
8.5 參數化ReLU /95
8.6 隨機化ReLU /97
8.7 指數化線性單元（ELU）/ 98
8.8 小結/ 99
9 目標函式100
9.1 分類任務的目標函式/100
9.1.1 交叉熵損失函式/101
9.1.2 合頁損失函式/101
9.1.3 坡道損失函式/101
9.1.4 大間隔交叉熵損失函式/ 103
9.1.5 中心損失函式/105
9.2 回歸任務的目標函式//107
9.2.1 ?1 損失函式/ 108
9.2.2 ?2 損失函式/ 108
9.2.3 Tukey’s biweight 損失函式/109
9.3 其他任務的目標函式//109
9.4 小結/ 111
