本书系统介绍了CNN（卷积神经网络）可视化解释技术的原理及实现方法。全书共8章，内容围绕科学研究及工程应用需求组织，涉及深度学习的CNN可解释概念与基础、可视化解释实现方法、可视化解释应用等。本书语言简练，案例丰富，重点突出，逻辑性强，便于读者学习与掌握。本书可以作为普通高等院校人工智能、智能科学与技术、计算机科学与技术、模式识别等专业本科生、研究生的学习材料，也可以为从事深度学习相关领域设计应用和开发工作的研究人员、工程技术人员提供参考。
第1章绪论
1.1深度学习的发展回顾
1.2深度学习的可解释性
1.2.1深度学习可解释的含义
1.2.2 深度学习可解释的目的
1.2.3 深度学习可解释的发展
1. 2. 4 深度学习可解释的方法
1.3 CNN可视化解释
1. 3. 1 CNN发展历程
1. 3. 2 CNN视觉特性
1. 3. 3 CNN解释实现
本章小结
第2章 CNN原理与经典网络
2.1 深度学习理论基础
2. 1. 1 神经网络演进过程
2.1.2 BP神经网络算法
2.1.3训练求解过程优化
2.2深度学习框架·
2.2.1 常见深度学习框架
2.2.2 开发框架综合比较
2. 2.3 PyTorch开发实例
2.3CNN及关键技术
2. 3. 1 CNN结构原理
2. 3. 2 CNN关键技术
2.3.3 CNN代码实例
……
Copyright 版权所有 © jvwen.com 聚文网
