深度学习——卷积神经网络算法原理与应用 / 普通高等教育新工科人才培养规划教材（大数据专业）
￥29.00定价
作者： 王改华
出版时间：2019-04
出版社：中国水利水电出版社
- 中国水利水电出版社
- 9787517075950
- 1版
- 263255
- 48254860-9
- 平装
- 16开
- 2019-04
- 170
- 156
- 工学
- 计算机科学与技术
- TP
- 计算机、自动化
- 本科
作者简介
内容简介
考虑到近几年深度学习的快速发展，而此方面的教材缺乏，本书以卷积神经网络算法原理为基础，对最近几年提出的卷积神经网络进行系统介绍。本书较全面地介绍了卷积神经网络的基本内容，注重卷积神经网络的基本概念、基本原理和网络结构的阐述。全书共分为九章，第1章～第3章介绍了深度学习及卷积神经网络的概念及发展，卷积神经网络相关的数学基础知识，神经网络的基础算法原理等知识点；第4章、第5章对卷积神经网络的基本原理及扩展机制进行剖析；第6章介绍了自编码器的一些基本原理及算法；第7章针对卷积神经网络的优化算法进行了详细的分析说明；第8章、第9章是卷积神经网络的典型结构及卷积神经网络的压缩算法应用。附录中增加了部分典型卷积神经网络结构的Matlab及Python程序，结合实际、突出应用，旨在帮助使用者加深对基本概念的理解和提高综合问题分析的能力。全书内容丰富，层次分明，主要面向人工智能及相关专业的高年级本科生及研究生，也可做为从事深度学习的软件工程师的参考书目。
目录
前言第1章 绪论1.1 深度学习1.1.1 概述1.1.2 基本思想1.1.3 基本分类1.2 卷积神经网络技术的发展与应用1.2.1 卷积神经网络的发展1.2.2 卷积神经网络的应用1.3 自编码器的发展及其应用1.3.1 自编码器的发展1.3.2 自编码器的应用第2章 相关数学基础知识2.1 矩阵2.1.1 基本概念2.1.2 矩阵运算2.2 范数2.2.1 范数的定义2.2.2 范数的分类及性质2.3 卷积运算2.3.1 定义2.3.2 多维数组的卷积2.4 激活函数2.4.1 线性激活函数2.4.2 非线性激活函数2.5 信息熵2.5.1 定义2.5.2 条件熵2.5.3 相对熵2.5.4 交叉熵 习题第3章 神经网络3.1 人工神经网络3.1.1 人工神经元模型3.1.2 人工神经网络结构3.2 BP神经网络3.2.1 原理3.2.2 网络结构3.2.3 BP神经算法原理3.2.4 信号传递过程的实现3.2.5 算法分析 习题第4章 卷积神经网络4.1 原理4.1.1 动机4.1.2 卷积神经网络特点4.2 LeNet 4.2.1 网络总体结构4.2.2 分层结构4.3 反向传播
