返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 深度学习理论及实战(MATLAB版) 赵小川,何灏 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 赵小川//何灏著
    • 出版社: 清华大学出版社
    • 出版时间:2021-02-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 赵小川//何灏著
    • 出版社:清华大学出版社
    • 出版时间:2021-02-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-02-01
    • 字数:299000
    • 页数:224
    • 开本:16开
    • 装帧:平装
    • ISBN:9787302564218
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    深度学习理论及实战(MATLAB版)

    作  者:赵小川,何灏 著
    定  价:79
    出 版 社:清华大学出版社
    出版日期:2021年02月01日
    页  数:472
    装  帧:平装
    ISBN:9787302564218
    主编推荐

    "《深度学习理论及实战(MATLAB版)》力图做到深入浅出,尽量用通俗易懂的语言、实用生动的案例把理论与方法讲清楚、说明白。“深度卷积神经网络”是模仿大脑工作机理的一种智能系统,书中以“系统角度”→“数学角度”→“仿生角度”为主线,对相关知识进行讲解。 《深度学习理论及实战(MATLAB版)》添加了“温馨提示”“经验分享”“心得分享”等版块,且对书中讲解的30个程序都做了详细的注释,对操作中可能存在的问题也一一进行了提示。通过本书传递作者“授人以渔”和“持续学习”的人生态度,更加注重对方法、过程中的讲解,希望读者在实际应用中能够触类旁通、举一反三。 "

    内容简介

    《深度学习理论及实战(MATLAB版)》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实例。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。《深度学习理论及实战(MATLAB版)》可以作为人工智能、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。

    作者简介

    赵小川 男,博士,研究员,博士生导师。武警装备智能化专家委员会委员,北京市科学技术委员会项目评审专家,陆军装备部项目评审专家;中文核心期刊《计算机工程》青年编委;期刊Robotica审稿专家。研究方向是人工智能、计算机视觉。近年来,作为项目负责人主持科研项目20余项,以作者出版学术专著6部,获得国家发明12项。

    精彩内容

    目录
    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
    扩展阅读: 对“人工智能”的理解
    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
    心得分享: “机器学习”与“雕刻时光”
    1.3典型的机器学习算法——SVM
    1.3.1从“最走心”的国界线说起
    1.3.2“支持向量机”名字的由来
    1.3.3SVM分类器的形式
    1.3.4如何找到最佳分类线
    1.3.5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
    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
    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”
    3.1.1卷积的运算过程
    3.1.2卷积核对输出结果的影响
    3.1.3卷积运算在图像特征提取中的应用
    扩展阅读: 数字图像处理的基础知识
    编程体验1: 读入一幅数字图像并显示
    编程体验2: 基于MATLAB实现二维图像的滑动卷积
    3.2解析“卷积神经网络”
    3.2.1从 ImageNet 挑战赛说起
    3.2.2卷积神经网络的结构
    3.2.3卷积层的工作原理
    3.2.4非线性激活函数的工作原理
    3.2.5池化层的工作原理
    3.2.6卷积神经网络与全连接神经网络的区别
    3.2.7从仿生学角度看卷积神经网络
    扩展阅读: 创建ImageNet挑战赛初衷
    3.3从数学的角度看卷积神经网络
    3.3.1本书中采用的符号及含义
    3.3.2从数学角度看卷积神经网络的工作过程
    3.3.3如何求代价函数
    3.3.4采用误差反向传播法确定卷积神经网络的参数
    3.4认识经典的“卷积神经网络”
    3.4.1解析LeNet5卷积神经网络
    3.4.2具有里程碑意义的AlexNet
    3.4.3VGG-16卷积神经网络的结构和参数
    3.4.4卷积神经网络为何会迅猛发展
    3.5思考与练习
    第4章基于MATLAB深度学习工具箱的实现与调试
    4.1构造一个用于分类的卷积神经网络
    4.1.1实例需求
    4.1.2开发环境
    4.1.3开发步骤
    4.1.4常用的构造卷积神经网络的函数
    4.1.5构造卷积神经网络
    4.1.6程序实现
    扩展阅读: 批量归一化层的作用
    编程体验: 改变卷积神经网络的结构
    4.2训练一个用于预测的卷积神经网络
    4.2.1实例需求
    4.2.2开发步骤
    4.2.3构建卷积神经网络
    4.2.4训练卷积神经网络
    4.2.5程序实现
    扩展阅读1: 设置学习率的经验与技巧
    扩展阅读2: 随机失活方法(dropout)的作用
    扩展阅读3: 小批量方法(minibatch)的作用
    编程体验: 改变网络训练配置参数
    4.3采用迁移学习进行物体识别
    4.3.1站在巨人的肩膀上——“迁移学习”
    4.3.2实例需求
    4.3.3开发步骤
    4.3.4加载训练好的网络
    4.3.5如何对网络结构和样本进行微调
    4.3.6函数解析
    4.3.7程序实现及运行效果
    扩展阅读: 多角度看“迁移学习”
    4.4采用 Deep Network Designer实现卷积网络设计
    4.4.1什么是Deep Network Designer
    4.4.2如何打开Deep Network Designer
    4.4.3需求实例
    4.4.4在Deep Network Designer中构建卷积神经网络
    4.4.5对网络进行训练与验证
    4.4.6Deep Network Designer的检验功能
    4.5采用Deep Network Designer实现迁移学习
    4.5.1基于Deep Network Designer的网络结构调整
    4.5.2对网络进行训练
    4.6如何显示、分析卷积神经网络
    4.6.1如何查看训练好的网络的结构和信息
    4.6.2如何画出深度网络的结构图
    4.6.3如何用analyzeNetwork函数查看与分析网络
    4.7如何加载深度学习工具箱可用的数据集
    4.7.1如何加载MATLAB自带的数据集
    4.7.2如何加载自己制作的数据集
    4.7.3如何加载网络下载的数据集——以CIFAR-10为例
    4.7.4如何划分训练集与测试集
    编程体验1: 基于CIFAR-10数据集训练卷积神经网络
    4.8如何构造一个具有捷径连接的卷积神经网络
    4.8.1本节用到的函数
    4.8.2实例需求
    4.8.3创建含有捷径连接的卷积神经网络的实现步骤
    4.8.4程序实现
    4.8.5对捷径连接网络进行结构检查
    编程体验: 采用例程4.8.2所构建的卷积神经网络进行图像分类
    4.9思考与练习
    第5章应用案例深度解析
    5.1基于卷积神经网络的图像分类
    5.1.1什么是图像分类
    5.1.2评价分类的指标
    5.1.3基于深度学习和数据驱动的图像分类
    5.1.4传统的图像分类与基于深度学习的图像分类的区别
    5.1.5基于AlexNet的图像分类
    5.1.6基于GoogLeNet的图像分类
    5.1.7基于卷积神经网络的图像分类抗干扰性分析
    扩展阅读: 计算机视觉的发展之路
    编程体验: 体验GoogLeNet识别图像的抗噪声能力
    5.2基于LeNet卷积神经网络的交通灯识别
    5.2.1实例需求
    5.2.2卷积神经网络设计
    5.2.3加载交通灯数据集
    5.2.4程序实现
    5.3融合卷积神经网络与支持向量机的图像分类
    5.3.1整体思路
    5.3.2本节所用到的函数
    5.3.3实现步骤与程序
    编程体验: 基于AlexNet和SVM的图像分类
    5.4基于R-CNN的交通标志检测
    5.4.1目标分类、检测与分割
    5.4.2目标检测及其难点问题
    5.4.3R-CNN目标检测算法的原理及实现过程
    5.4.4实例需求
    5.4.5实现步骤
    5.4.6本节所用到的函数
    5.4.7程序实现
    5.4.8基于AlexNet迁移学习的R-CNN实现
    5.4.9基于Image Labeler的R-CNN目标检测器构建
    5.5基于Video Labeler与R-CNN的车辆检测
    5.5.1实例需求
    5.5.2实现步骤
    5.6思考与练习
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购