深度学习理论及实战(MATLAB版第2版全彩印刷)/计算机科学与技术丛书

本书主要介绍深度学习 理论及实战，共5章，内容 包括机器学习、人工神经网 络、卷积神经网络、 MATLAB深度学习工具箱和 应用案例。在介绍基础理论 方面，本书深入浅出、语言 生动、通俗易懂；在介绍应 用实例时，本书贴近实际、 步骤翔实、举一反三。本书 对数十个例程进行了深入的 讲解，并对代码进行了详细 的注解。 本书可作为人工智能、 电子信息、计算机科学相关 专业的本科生、研究生的教 材，也可作为本科毕业设计 、研究生学术论文的参考资 料，还可作为相关工程技术 人员的参考资料。

赵小川，博士，高级工程师。科技部、北京市科委项目评审专家组成员。《Robotica》、《IEEE Transactions On Biomedical Engineering》等期刊的审稿人。主编了《MATLAB数字图像处理——程序实现与模块化仿真》、《MATLAB数字图像处理——能力提高与应用案例》、《MATLAB数字图像处理——从仿真C／C++代码自动生成》等图书。

第1章 从“机器学习”讲起 1.1 走近“机器学习” 1.1.1 什么是“机器学习” 1.1.2 机器学习的主要任务 1.1.3 机器学习的分类 1.1.4 什么是“深度学习” 1.1.5 机器学习的应用举例 经验分享：对“智能”的理解 扩展阅读：“人工智能”的发展 扩展阅读：“人工智能”的最新发展——生成式AI大模型 1.2 解读“机器学习的过程” 1.2.1 机器学习的过程 1.2.2 机器学习中的数据集 1.2.3 过拟合与欠拟合 经验分享：“机器学习”与“雕刻时光” 经验分享：如何解决机器学习中的“过犹不及” 1.3 典型的机器学习算法——SVM 1.3.1 “支持向量机”名字的由来 1.3.2 SVM分类器的形式 1.3.3 如何找到最佳分类线 1.3.4 基于SVM的多分类问题 1.4 思考与练习 第2章 解析“人工神经网络” 2.1 神经元——人工神经网络的基础 2.1.1 生物神经元 2.1.2 人工神经元 2.1.3 激活函数 2.2 神经网络的结构及工作原理 2.2.1 神经网络的结构组成 2.2.2 神经网络的工作原理 2.2.3 一些常见的概念 扩展阅读：人工神经网络发展简史 经验分享：从仿生学的角度看神经网络的局限性 2.3 从数学角度来认识神经网络 2.3.1 本书中采用的符号及含义 2.3.2 神经元的激活 2.3.3 神经网络的学习 2.3.4 寻找损失函数最小值——梯度下降法 2.3.5 误差反向传播 2.3.6 基于误差反向传播的参数更新流程 经验分享：形象地理解梯度下降法 扩展阅读：随机梯度下降优化算法 经验分享：形象地理解反向传播算法 2.4 如何基于神经网络进行分类 2.4.1 基于神经网络实现二分类 2.4.2 基于神经网络实现多分类 扩展阅读：交叉熵 2.5 思考与练习 第3章 探索“卷积神经网络” 3.1 深入浅出话“卷积”