神经网络与深度学习（附微课视频）（线上实训版）_张杲峰_9787115673947

本书作为神经网络与深度学习领域的入门级教材，系统地梳理了神经网络和深度学习的知识体系，阐述了神经网络和深度学习的基础知识，对主要模型进行了重点介绍，并通过案例进行详细说明，以使读者能在学习基础理论知识的同时，掌握神经网络和深度学习模型的开发方法，且具备使用人工神经网络和深度学习模型解决实际问题的能力。全书共9章。内容包括绪论、机器学习、人工神经网络、多层感知机、卷积神经网络、深度卷积神经网络、循环神经网络、深度生成模型、注意力机制与Transformer。本书可作为高校人工智能、计算机、大数据等专业的本科生教材，也可供相关领域工程技术人员参考。

目录第　一章绪论（15-20页） 1.1　人工智能 1.1.1　人工智能的起源 1.1.2　人工智能的发展与流派 1.1.3　人工智能的社会、伦理问题 1.2　机器学习 1.3　人工神经网络 1.3.1　人脑神经网络 1.3.2　人工神经网络的产生 1.3.3　人工神经网络的发展 1.4　深度学习 1.4.1　深度学习的产生和发展 1.4.2　深度学习主要开发框架 1.4.3　深度学习的应用现状 1.5　本书的知识结构 1.6　关键知识梳理 1.7　问题与实践第二章　机器学习（20页） 2.1　基本概念 2.2　机器学习的类型和常见任务 2.2.1　机器学习的类型 2.2.2　机器学习的常见任务 2.3　机器学习任务的基本流程 2.4　模型评估与性能度量 2.4.1　误差 2.4.2　性能度量 2.4.3　模型评估 2.5　关键知识梳理 2.6　问题与实践第三章　人工神经网络（20页） 3.1　大脑与人工神经网络 3.1.1　大脑 3.1.2　人工神经网络 3.2　感知机模型 3.2.1　可学习的感知机 3.2.2　利用感知机进行鸢尾花分类 3.3　关键知识梳理 3.4　问题与实践第四章　多层感知机（MLP）（25页） 4.1　MLP的结构 4.1.1　输入层 4.1.2　输出层 4.1.3　隐含层 4.2　前馈算法 4.3　反向传播算法 4.3.1　梯度下降 4.3.2　链式求导 4.4　利用MLP进行手写字符识别 4.5　关键知识梳理 4.6　问题与实践第五章　卷积神经网络（CNN）（20页） 5.1　全连接网络的弱点 5.2　感受野与卷积 5.2.1　感受野 5.2.2　平移不变性与卷积 5.2.3　尺度不变性与汇聚 5.3　CNN的结构 5.3.1　CNN的一般结构 5.3.2　LeNet-5网络 5.4　利用LeNet-5进行Cifar 10分类 5.5　关键知识梳理 5.6　问题与实践第六章　CNN的不同变体及应用（30页） 6.1　VGG及其应用 6.1.1　VGG的结构与特点 6.1.2　VGG的应用案例 6.2　GoogleNet及其应用 6.2.1　Inception及GoogleNet的结构 6.2.2　GoogleNet的应用案例 6.3　ResNet及其应用 6.3.1　ResNet的结构 6.3.2　LResNet的应用案例 6.4　关键知识梳理 6.5　问题与实践第七章　循环神经网络（20页） 7.1　序列数据与循环神经网络 7.2　长程依赖与长短期记忆网络（LSTM） 7.2.1　长程依赖 7.2.2　LSTM 7.3　LSTM应用案例 7.4　关键知识梳理 7.5　问题与实践第八章　深度生成模型（30页） 8.1　生成模型 8.2　自编码器（AE） 8.3　变分自编码器（VAE） 8.3.1　VAE的结构与原理 8.3.2　VAE的应用案例 8.4　对抗生成网络（GAN） 8.4.1　GAN的结构与原理 8.4.2　GAN的应用案例——风格迁移 8.5　序列生成模型（seq2seq）及其应用案例 8.6　关键知识梳理 8.7　问题与实践第九章　注意力机制与Transformer（20页） 9.1　注意力机制 9.2　Transformer 9.2.1　Transformer的原理 9.2.2　Transformer的应用案例 9.3　ViT 9.3.1　ViT的原理 9.3.2　ViT的应用案例 9.4　关键知识梳理 9.5　问题与实践

你还可能感兴趣

我要评论