人工神經網絡與深度學習（簡體書）

本書以理論與實踐深度融合為核心，系統闡述人工神經網絡與深度學習的核心原理、技術架構及前沿應用，旨在為讀者構建從基礎到實戰的知識體系。通過翔實的案例解析與開發實踐，幫助讀者掌握深度學習的核心技術，培養解決複雜問題的工程能力。 本書共13章，第1章概述AI發展歷程與深度學習基礎，梳理神經網絡演進脈絡。第2章詳解PyTorch、TensorFlow等開發環境配置，奠定張量編程基礎。第3～5章從線性回歸、邏輯回歸切入，剖析BP神經網絡原理，涵蓋梯度下降、正則化等核心優化技術，並結合房價預測、腫瘤分類等案例強化實踐。第6～8章深入講解生成對抗網絡(GAN)、循環神經網絡(RNN/LSTM)及Transformer架構，探討圖像生成、時序預測、自然語言處理等前沿應用。第9～11章聚焦計算機視覺實戰，解析YOLO目標檢測、人臉表情識別及人體姿態識別技術，結合OpenPose、MediaPipe等工具實現多場景部署。第12章對比ChatGPT、CLIP、Llama 2等大型預訓練模型，剖析技術原理與微調策略。第13章探討AI安全挑戰，涵蓋對抗攻擊防禦、倫理風險及YOLO攻防實驗，構建技術應用的全域視野。 本書面向AI初學者與進階開發者，以降低深度學習技術門檻為目標，通過模塊化知識講解、實戰案例及開發環境搭建指南，助力讀者快速掌握模型構建、訓練優化及部署應用的全流程，同時關注AI安全與倫理，覆蓋Transformer、YOLOv8、ChatGPT等模型，提供實戰代碼與部署指南。 本書可作為高等院校計算機相關專業學生的教材，也可作為具備編程基礎的愛好者、AI工程師及科研人員系統學習的參考書。