您好,欢迎来到聚文网。 登录 免费注册
深度学习:基于MATLAB的设计实例

深度学习:基于MATLAB的设计实例

  • 装帧: 平装
  • 出版社: 北京航空航天大学出版社
  • 作者: (韩)金晟箭
  • 出版日期: 2023-05-01
  • 商品条码: 9787512426665
  • 版次: 1
  • 开本: 16开
  • 出版年份: 2023
定价:¥59 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书共包含6章内容,可以分为3个主题。书中例子均用MATLAB编写而成。
第1个主题是机器学习。深度学习起源于机器学习,这意味着如果想要理解深度学习的本质,就必须在某种程度上知道机器学习背后的理念。第1章从机器学习与深度学习的关系开始讲起,随后是解决问题的策略和机器学习的基本局限性。
第2个主题是人工神经网络这是第2~4章的重点内容。由于深度学习就是采用一种神经网络的机器学习,所以不能将神经网络与深度学习分开。第2章从神经网络的基本概念讲起:它的工作原理、体系结构和学习规则,也讲到了神经网络由简单的单层结构演化为复杂的多层结构的原因。第3章介绍了反向传播算法,它是神经网络中一种重要和典型的学习规则,深度学习也使用这种算法。本章解释了代价函数和学习规则是如何联系起来的,哪一种代价函数在深度学习中被广泛使用。第4章介绍了将神经网络应用到分类问题中的方法。其中单列一节专门讲分类,因为它是目前流行的一种深度学习应用。例如图像识别是一个分类问题,也是深度学习的一种主要应用。
第3个主题是深度学习,也是本书的重点,将在第5章和第6章中讲解。第5章介绍了使深度学习能够产生很好性能的驱动因素。第6章讲解了卷积神经网络,本章首先介绍了卷积神经网络的基本概念和结构,并与前面的图像识别算法进行了比较;随后解释了卷积层和池化层的作用和运算方法,它们是卷积神经网络的重要组成部分。第6章也包含了一个用卷积神经网络进行数字图像识别的例子,并研究了图像通过各层的演化过程。
目录
第1章机器学习
1.1机器学习与深度学习
1.2什么是机器学习
1.3机器学习的挑战
1.4过拟合
1.5直面过拟合
1.6机器学习的类型
1.7分类和回归
1.8总结
第2章神经网络
2.1概述
2.2神经网络节点
2.3多层神经网络
2.4神经网络的监督学习
2.5单层神经网络训练:增量规则
2.6广义增量规则
2.7随机梯度下降算法、批量算法和小批量算法
2.7.1随机梯度下降算法
2.7.2批量算法
2.7.3小批量算法
2.8示例:增量规则
2.8.1随机梯度下降算法的实现
2.8.2批量算法的实现
2.8.3随机梯度下降算法与批量算法的比较
2.9单层神经网络的局限性
2.10总结
第3章训练多层神经网络
3.1概述
3.2反向传播算法
3.3示例
3.3.1XOR问题
3.3.2动量法(Momentum)
3.4代价函数和学习规则
3.5示例
3.5.1交叉熵函数
3.5.2代价函数的比较
3.6总结
第4章神经网络及其分类
4.1概述
4.2二分类
4.3多分类
4.4示例:多分类
4.5总结
第5章深度学习
5.1概述
5.2深度神经网络的进化
5.2.1梯度消失
5.2.2过拟合
5.2.3计算量的增加
5.3示例
5.3.1ReLU函数
5.3.2节点丢弃
5.4总结
第6章卷积神经网络
6.1概述
6.2卷积神经网络的架构
6.3卷积层
6.4池化层
6.5示例:MNIST
6.6总结
索引

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网