×
深度学习:卷积神经网络算法原理与应用/王改华/普通高等教育新工科人才培养规划教材

深度学习:卷积神经网络算法原理与应用/王改华/普通高等教育新工科人才培养规划教材

1星价 ¥18.9 (6.5折)
2星价¥18.9 定价¥29.0
图文详情
  • ISBN:9787517075950
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:147
  • 出版时间:2019-05-01
  • 条形码:9787517075950 ; 978-7-5170-7595-0

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,对很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,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。

目录

前言 第1章 绪论 1.1 深度学习 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-5 4.2.1 网络总体结构 4.2.2 分层结构 4.3 反向传播 4.3.1 全连接的反向过程 4.3.2 卷积的反向过程 4.3.3 池化的反向过程 4.3.4 输出层反向传播 4.3.5 权值更新 习题 第5章 卷积神经网络扩展机制 5.1 注意力机制 5.1.1 注意机制的分类 5.1.2 深度学习中的注意机制 5.2 卷积变体 5.2.1 组卷积 5.2.2 深度可分离卷积 5.2.3 膨胀卷积 5.2.4 全卷积网络 习题 第6章 自编码器网络 6.1 相关概念 6.1.1 稀疏性 6.1.2 稀疏编码 6.2 自编码器概述 6.3 自编码器原理 6.4 自编码器的拓展网络 6.4.1 稀疏自编码 6.4.2 栈式自编码 6.4.3 去噪自编码 6.4.4 压缩自编码 6.5 自编码器的编程实现 习题 第7章 卷积神经网络的优化 7.1 正则化与归一化 7.1.1 概念 7.1.2 参数范数惩罚 7.1.3 Dropout 7.1.4 归一化 7.2 基于梯度的优化方法 7.2.1 基本算法 7.2.2 自适应学习率算法 习题 第8章 卷积神经网络的典型结构 8.1 概述 8.2 AlexNet网络 8.2.1 AlexNet基本框架 8.2.2 AlexNet数据处理 8.3 GoogLenet网络 8.3.1 背景 8.3.2.Inception Vl 8.3.3 InceptionV2与V3 8.3.4 Inception V4 8.3.5 Xception 8.4 ResNet网络结构 8.4.1 ResNet网络 8.4.2 ReSNeXt 8.5 ShuffleNet网络结构 8.5.1 网络简介 8.5.2 模型结构 8.5.3 ShuffleNet V2 8.6 DenseNet网络结构 8.6.1 Dense block 8.6.2 整体结构 8.7 数据集介绍 8.7.1 图像分类数据集 8.7.2 语义分割数据集 第9章 卷积神经网络的压缩 9.1 核的稀疏化 9.2 剪枝 9.2.1 剪枝的概念 9.2.2 剪枝的类型 9.3 模型量化 9.3.1 量化转换 9.3.2 向量化 9.4 模型蒸馏 参考文献 附录 BP神经网络实现人脸识别程序 自编码器程序 AlexNet程序 GoogLeNet程序 ResNeXt程序 DenseNet程序
展开全部

作者简介

王改华,湖北工业大学副教授、硕士生导师。自2009年以来一直从事图像处理与模式识别方向的研究工作,主持和承担国家自然科学基金及湖北省省级科研项目多项。以**作者身份发表论文20余篇。培养硕士生10名。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航