商品簡介
MATLAB深度學習在《MATLAB深度學習 機器學習、神經網絡與人工智能》深入淺出的指導方式下，開啟MATLAB深度學習與人工智能之旅吧！《MATLAB深度學習 機器學習、神經網絡與人工智能》開篇介紹機器學習的基礎知識，然后逐漸鋪開，分別討論神經網絡、深度學習以及卷積神經網絡。為將理論知識與實際應用完美結合，《MATLAB深度學習 機器學習、神經網絡與人工智能》將MATLAB作為書中示例及案例分析的基礎編程語言和開發工具。 通過學習《MATLAB深度學習 機器學習、神經網絡與人工智能》，你將能應對當今現實世界中的一些大數據、智能機器人以及其他復雜數據問題。你將體會到，在當前的智能數據分析與應用中，深度學習是機器學習領域更高級、更智能的方面。主要內容● 使用MATLAB進行深度學習● 學習單層神經網絡和多層神經網絡● 應用卷積層與池化層● 用卷積層和池化層構建MNIST示例海報：
作者簡介
作者：Phil KimPhil Kim博士是一名經驗豐富的MATLAB程序員和用戶。他致力于研究來源于人工智能的海量數據的處理算法，並且研究機器學習。他曾任韓國航天航空研究院高級研究員。在該院他的主要任務是開發用于無人駕駛飛行器的自主飛行算法和機載軟件。他在攻讀博士學位期間開發了一款名為Clickey的屏幕鍵盤程序，該程序成為他當前就任韓國國家康復研究院高級研究員的橋梁。
名人推薦
圖書特色：★行文通俗易懂，多簡單明了的圖示，少數學公式★不懂數學和編程沒關系，可以跳過公式和代碼，迅速了解機器學習、神經網絡、多層神經網絡、深度學習的發展脈絡與概念關系★只需矩陣、函數等簡單的數學知識，就可以跟隨作者上手深度學習編程★豐富的Matlab范例代碼，工科學生，都能馬上上手編輯推薦： 《MATLAB深度學習 機器學習、神經網絡與人工智能》是一本關于深度學習的入門書籍。作者Phil Kim博士是一位研究人工智能數據處理及機器學習的技術專家，同時具有豐富的 MATLAB 編程及應用經驗。這使得本書既有理論深度，又緊密結合實際。《MATLAB深度學習 機器學習、神經網絡與人工智能》不僅適用于在深度學習領域開展研究的科研人員，也適用于深度學習應用的開發者。本書深入淺出地介紹人工智能、機器學習、神經網絡、深度學習這些關鍵概念以及它們之間的關聯，並著重介紹監督學習這類機器學習方法。為便于讀者理解，本書提供了大量示例， 並利用 MATLAB 語言完成了代碼實現。結合對代碼的分析與講解，致力于使讀者更清晰地理解書中所涉及的理論知識。源代碼下載二維碼見書封底。
目次
目 錄
第1章 機器學習 1
1.1 什麼是機器學習 2
1.2 機器學習面臨的挑戰 4
1.2.1 過擬合 5
1.2.2 克服過擬合 7
1.3 機器學習的類型 9
1.4 本章小結 13
第2章 神經網絡 15
2.1 神經網絡的節點 15
2.2 神經網絡的層 17
2.3 神經網絡的監督學習 21
2.4 訓練單層神經網絡：delta規則 22
2.5 廣義delta規則 25
2.6 SGD、Batch和Mini Batch 26
2.6.1 SGD 26
2.6.2 Batch 27
2.6.3 Mini Batch 27
2.7 delta規則示例 29
2.8 SGD方法的實現 30
2.9 Batch方法的實現 32
2.10 SGD與Batch的比較 34
2.11 單層神經網絡的局限性 36
2.12 究竟發生了什麼？ 38
2.13 本章小結 40
第3章 多層神經網絡的訓練 41
3.1 反向傳播算法 42
3.2 反向傳播示例 46
3.2.1 XOR問題 48
3.2.2 動量 50
3.3 代價函數與學習規則 53
3.4 交叉熵函數示例 57
3.5 交叉熵函數 58
3.6 代價函數比較 60
3.7 本章小結 62
第4章 神經網絡與分類問題 63
4.1 二元分類 63
4.2 多元分類 66
4.3 多元分類示例 71
4.4 本章小結 78
第5章 深度學習 79
5.1 深度神經網絡的改進 80
5.1.1 梯度消失 81
5.1.2 過擬合 82
5.1.3 計算負載 83
5.2 ReLU與Dropout的實例 84
5.2.1 ReLU函數 85
5.2.2 Dropout 88
5.3 本章小結 93
第6章 卷積神經網絡 95
6.1 卷積神經網絡架構 95
6.2 卷積層 97
6.3 池化層 101
6.4 MNIST示例 102
6.5 本章小結 116
