TOP
0
0
魅麗。花火原創小說66折起
深度學習方法解析與實戰應用(簡體書)
滿額折

深度學習方法解析與實戰應用(簡體書)

人民幣定價:48 元
定  價:NT$ 288 元
優惠價:87251
領券後再享88折
無庫存,下單後進貨(採購期約45個工作天)
可得紅利積點:7 點
相關商品
商品簡介
目次

商品簡介

本書以深入淺出的方式,講解何為“人工智能”,如何掌握以深度學習為代表的人工智能相關方法,以及如何進行落地應用。本書從理論、工具基礎講解開始,層層遞進,分別向讀者清晰地展現了卷積神經網絡、生成式對抗網絡、循環神經網絡、深度強化學習的知識脈絡與方法原理。同時,按照具體應用場景,結合主流深度學習框架,給出所講述理論的落地應用案例和編程開發指導,旨在結合理論與實踐,平衡知識的深度與廣度,明確入門與進階路徑,使讀者更加深入全面地理解深度學習的原理及實踐方法。
本書主要面向人工智能技術初學者、程序開發者、前沿科技愛好者,尤其是在校大學生和相關領域研究人員。

目次

第一篇 基礎入門篇

第0章 人工智能概述 3
0.1 人工智能的定義與學派 3
0.1.1 人工智能定義 3
0.1.2 人工智能學派 5
0.2 人工智能簡史 6
0.2.1 早期的人工智能 7
0.2.2 人工智能的波浪式前進 8
0.3 人工智能的關鍵支撐技術 10
0.3.1 算法――深度神經網絡 11
0.3.2 數據――多源異構大數據 11
0.3.3 算力――高性能計算芯片 12
0.4 人工智能的應用與面臨的挑戰 13
0.4.1 人工智能應用領域 13
0.4.2 人工智能前沿 16
0.4.3 發展趨勢與面臨的挑戰 19
0.5 國家戰略與政策下的人工智能 21
0.5.1 國內政策及戰略規劃 21
0.5.2 國外戰略與政策 23
0.6 習題 23
參考資源 24
第1章 理論基礎 25
1.1 數學基礎 25
1.1.1 線性代數與矩陣論 25
1.1.2 概率論與統計學 27
1.1.3 博弈論 28
1.1.4 最優化理論 28
1.2 算法基礎 29
1.2.1 算法概論 30
1.2.2 數據結構 30
1.3 機器學習基礎 31
1.3.1 機器學習概述 31
1.3.2 監督學習 35
1.3.3 無監督學習 35
1.3.4 強化學習 36
1.3.5 聯邦學習 37
1.4 大數據基礎 38
1.4.1 數據挖掘 38
1.4.2 Hadoop開源生態框架體系 39
1.5 溫故知新 40
1.6 習題 41
參考資源 43
第2章 工具基礎 44
2.1 編程基礎 44
2.1.1 編程理論 44
2.1.2 Python基礎 46
2.2 開源框架基礎 53
2.2.1 Pytorch 54
2.2.2 TensorFlow框架 55
2.2.3 PaddlePaddle框架 56
2.2.4 其他框架 57
2.3 硬件基礎 59
2.3.1 CPU基礎 60
2.3.2 GPU基礎 62
2.3.3 樹莓派 62
2.4 操作系統基礎 63
2.4.1 Linux簡介 63
2.4.2 國產Linux操作系統 65
2.5 溫故知新 66
2.6 習題 67
參考資源 68
第3章 神經網絡基礎 69
3.1 神經網絡概述 69
3.2 神經元模型與感知機模型 70
3.2.1 MP神經元 70
3.2.2 感知機 72
3.3 多隱層前饋神經網絡 73
3.3.1 網絡結構 73
3.3.2 激活函數 75
3.3.3 網絡訓練 77
3.4 神經網絡的優化方法 80
3.4.1 梯度下降法 80
3.4.2 隨機梯度下降 81
3.4.3 小批量梯度下降 81
3.4.4 動量梯度下降 82
3.4.5 RMSProp 82
3.4.6 ADAM 83
3.5 神經網絡的優化策略 83
3.5.1 參數初始化 83
3.5.2 正則化 85
3.5.3 Dropout 86
3.5.4 數據增強 87
3.5.5 預訓練 87
3.6 深度神經網絡概述 87
3.6.1 深度學習的優勢 89
3.6.2 適用領域 90
3.7 溫故知新 92
3.8 習題 92
參考資源 94
第二篇 方法解析篇

第4章 卷積神經網絡方法解析 97
4.1 卷積神經網絡概述 97
4.1.1 生物機理 98
4.1.2 拓撲結構 99
4.1.3 網絡特點 100
4.2 關鍵方法 102
4.2.1 卷積 103
4.2.2 池化 111
4.2.3 全連接 111
4.3 常見的卷積神經網絡 112
4.3.1 LeNet 112
4.3.2 AlexNet 112
4.3.3 VGGNet 114
4.3.4 GoogLeNet 114
4.3.5 ResNet 115
4.3.6 DenseNet 116
4.4 改進方向與應用領域 116
4.4.1 改進方向 116
4.4.2 應用領域 117
4.5 溫故知新 118
4.6 習題 118
參考資源 119
第5章 生成式對抗網絡方法解析 120
5.1 生成模型概述 120
5.2 網絡模型 121
5.3 重要方法 122
5.3.1 數學原理 122
5.3.2 訓練機制 125
5.3.3 訓練技巧 125
5.3.4 評價指標 127
5.4 GAN的改進模型 129
5.4.1 CGAN 130
5.4.2 DCGAN 131
5.4.3 WGAN 132
5.4.4 LSGAN 133
5.4.5 PGGAN 134
5.4.6 ACGAN 136
5.4.7 BigGAN 137
5.5 改進方向與應用領域 139
5.5.1 改進方向 139
5.5.2 應用領域 140
5.5.3 研究進展 143
5.6 溫故知新 144
5.7 習題 144
參考資源 145
第6章 循環神經網絡方法解析 146
6.1 循環神經網絡概述 146
6.2 自然語言處理 148
6.2.1 語言模型 148
6.2.2 詞向量 149
6.3 循環神經網絡 151
6.3.1 生物機理 151
6.3.2 網絡結構 151
6.3.3 網絡訓練 153
6.4 循環神經網絡改進 154
6.4.1 LSTM 154
6.4.2 其他改進模型 156
6.5 研究進展與應用領域 158
6.5.1 研究進展 158
6.5.2 應用領域 159
6.6 溫故知新 161
6.7 習題 162
參考資源 163
第7章 深度強化學習方法解析 165
7.1 強化學習概述 165
7.2 強化學習基礎 166
7.2.1 定義及相關概念 166
7.2.2 馬爾可夫決策過程 169
7.3 經典強化學習 170
7.3.1 強化學習分類 170
7.3.2 Qlearning算法 172
7.3.3 存在挑戰 173
7.4 深度強化學習 174
7.4.1 DQN算法 174
7.4.2 深度強化學習的改進算法 177
7.4.3 小結 179
7.5 重要應用 180
7.6 研究進展 181
7.7 溫故知新 182
7.8 習題 183
參考資源 184

第三篇 實戰應用篇

第8章 基於卷積神經網絡的2D人體姿態估計實戰 187
8.1 人體姿態估計概述 187
8.2 人體姿態估計技術回顧 188
8.2.1 單人姿態估計 189
8.2.2 多人姿態估計 191
8.3 編程實戰 192
8.3.1 實驗環境 192
8.3.2 數據準備 194
8.3.3 模型構建 194
8.3.4 運行測試 200
8.4 溫故知新 200
參考資源 201
第9章 利用深度強化學習玩遊戲實戰 202
9.1 實戰背景 202
9.1.1 深度強化學習在遊戲領域的應用 202
9.1.2 Gym介紹 203
9.2 深度強化學習技術回顧 204
9.3 編程實戰 206
9.3.1 基於Pytorch的遊戲實戰 207
9.3.2 基於策略梯度進行TensorFlow實戰 211
9.4 溫故知新 215
參考資源 216
第10章 面向邊緣智能的人群數量計算實戰 217
10.1 實戰背景 217
10.1.1 人群數量計算 217
10.1.2 邊緣智能 219
10.2 目標檢測技術回顧 220
10.2.1 目標檢測 220
10.2.2 人臉檢測 222
10.2.3 面向邊緣智能的人群數量計算系統整體流程設計 223
10.3 編程實戰 225
10.3.1 基於YOLO V3的目標檢測 225
10.3.2 基於CenterFace的人臉檢測 229
10.4 溫故知新 232
參考資源 233
第11章 邊緣計算場景下智能垃圾分類實戰 234
11.1 實戰背景 234
11.1.1 垃圾分類 234
11.1.2 邊緣計算發展 235
11.2 相關技術梳理 237
11.2.1 智能語音識別 237
11.2.2 垃圾圖像分類 238
11.2.3 基於邊緣計算的智能垃圾分類系統整體流程 240
11.3 編程實戰 242
11.3.1 智能語音識別 242
11.3.2 垃圾圖像分類 245
11.4 溫故知新 247
參考資源 249
第12章 基於生成式對抗網絡的圖像“魔術” 250
12.1 實戰背景 250
12.1.1 GAN在圖像翻譯中的應用 250
12.1.2 GAN在圖像生成中的應用 251
12.2 生成式對抗網絡技術回顧 253
12.3 編程實戰 256
12.3.1 基於TensorFlow的CycleGAN 257
12.3.2 基於Pytorch的DCGAN 267
12.4 溫故知新 272
參考資源 273
附錄1 Linux指令 274
附錄2 BP算法推導 278
參考文獻 282

您曾經瀏覽過的商品

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 251
無庫存,下單後進貨
(採購期約45個工作天)

暢銷榜

客服中心

收藏

會員專區