深度学习导论及案例分析
编辑推荐
关于深度学习的导论性著作，也是了解深度学习的入门之书。
详述了深度学习的9大重要模型及其学习算法、变种模型和混杂模型，内容翔实，具有提纲挈领的指导意义。
基于Matlab、Python和C++相关的程序案例介绍深度学习模型，有助于读者全面了解深度学习模型和算法的实现途径
这是一部关于深度学习的导论性著作，也是了解深度学习的入门书籍。全书涵盖了深度学习的发展历史、特点优势，包括各种重要的模型、算法及应用，对读者把握深度学习的基本脉络和未来趋势，具有提纲挈领的指导意义。
深度学习是近年来在神经网络发展史上掀起的一波新浪潮，是机器学习的一大热点方向，是实现人工智能的一种强大技术，有关成果早已震撼了学术界和工业界。随着AlphaGo战胜人类的围棋冠军，深度学习又受到了空前绝*的爆炸性关注。
有兴趣的读者可以从本书开始，逐步揭开深度学习的神秘面纱，窥探其中的奥妙所在。
本书具有如下特色
内容布局注重深入浅出、引用文献丰富，方便读者学习和钻研。
试图纠正许多读者对深度学习的一些错误理解，比如认为多层感知器不是深度学习模型，认为自编码器能够直接用来进行手写字符识别，认为受限玻耳兹曼机也是严格意义上的深度学习模型，等等。
提供了许多深度学习的基本案例，涉及Matlab、Python和C++常用语言，以及Theano和Caffe等开源库，有助于读者通过不同语言的分析案例，全面了解深度学习模型和算法的实现途径。
内容简介
深度学习是近年来在神经网络发展史上掀起的一波新浪潮，是机器学习的一大热点方向，因在手写字符识别、维数约简、图像理解和语音处理等方面取得巨大进展，所以很快受到了学术界和工业界的高度关注。在本质上，深度学习就是对具有深层结构的网络进行有效学习的各种方法。
本书不仅介绍了深度学习的起源和发展、强调了深层网络的特点和优势，说明了判别模型和生成模型的相关概念，还详述了深度学习的9种重要模型及其学习算法、变种模型和混杂模型，包括受限玻耳兹曼机、自编码器、深层信念网络、深层玻耳兹曼机、和积网络、卷积神经网络、深层堆叠网络、循环神经网络和长短时记忆网络，以及它们在图像处理、语音处理和自然语言处理等领域的广泛应用。同时分析了一系列深度学习的基本案例。
本书每个案例包括模块简介、运行过程、代码分析和使用技巧4个部分，层次结构清晰，利于读者的选择和学习并在应用中拓展思路。涉及的编程语言有3种：Matlab、Python和C++。其中，很多深度学习程序是用Matlab编写的，可以直接运行；如果使用Python语言编写深度学习程序，则可以调用Theano开源库；若使用C++语言，则可以调用Caffe开源库。
作者简介
李玉鑑（ 鉴 ） 北京工业大学教授，博士生导师。华中科技大学本科毕业，中国科学院数学研究所硕士毕业，中国科学院半导体研究所博士毕业，北京邮电大学博士后出站。曾在中国科学院生物物理所工作，对意识的本质问题关注过多年，并在《21世纪100个交叉科学难题》上发表《揭开意识的奥秘》一文，提出了解决意识问题的认知相对论纲领，对脑计划和类脑研究具有宏观指导意义。长期围绕人工智能的核心目标，在神经网络、自然语言处理、模式识别和机器学习等领域开展教学、科研工作，发表国内外期刊、会议论文数十篇，是本书的*一作者。
在线客服