由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]深度学习与自然计算董红斌、王兴梅9787302614975
¥ ×1
第1章 概述
1.1 人工智能
1.1.1 人工智能发展简史
1.1.2 人工智能三大学派
1.2 深度学习
1.3 自然计算
1.4 本章小结
参考文献
第2章 神经网络基础
2.1 神经网络简介
2.1.1 神经网络的概念
2.1.2 神经网络的发展
2.1.3 神经网络的应用
2.2 神经网络的基本模型
2.2.1 M-P模型
2.2.2 感知器模型
2.2.3 BP神经网络模型
2.3 神经网络常见学习规则
2.3.1 误差修正学习规则
2.3.2 赫布学习规则
2.3.3 最小均方学习规则
2.3.4 竞争学习规则
2.3.5 随机学习规则
2.4 基于梯度下降的优化算法
2.4.1 梯度下降法
2.4.2 随机梯度下降法
2.4.3 小批量梯度下降法
2.5 本章小结
2.6 章节习题
参考文献
第3章 卷积神经网络
3.1 卷积神经网络简介
3.1.1 卷积神经网络的发展历程
3.1.2 卷积神经网络的基本结构
3.1.3 前馈运算与反馈运算
3.2 卷积神经网络中的各层网络及操作
3.2.1 卷积层
3.2.2 池化层
3.2.3 激活函数层
3.2.4 全连接层
3.2.5 损失函数
3.3 卷积神经网络经典结构
3.3.1 LeNet模型
3.3.2 AlexNet模型
3.3.3 Network-In-Network模型
3.3.4 VGG-Net模型
3.3.5 GoogLeNet模型
3.4 本章小结
3.5 章节习题
参考文献
第4章 循环神经网络
4.1 循环神经网络简介
4.1.1 循环神经网络的结构
4.1.2 循环神经网络的输入层
4.1.3 循环神经网络的输出层
4.1.4 循环神经网络的隐含层
4.2 循环神经网络的算法
4.2.1 RNN的前向传播算法
4.2.2 随时间反向传播算法
……
第5章 生成对抗网络
第6章 孪生神经网络
第7章 遗传算法
第8章 差分进化算法
第9章 粒子群算法
第10章 协同演化算法
第11章 多目标优化算法
董红斌,哈尔滨工程大学教授,博士生导师,中国计算机学会人工智能与模式识别专业委员会执行委员。长期从事人工智能及机器学习方面的教学和科研工作。主持和完成多项国家自然科学基金和省部级科研项目,在国际学术会议、杂志和中文学术期刊发表论文90多篇,出版专著2部和译著1部,主编教材2部。
本书融合人工智能领域的两大热点方向,包括自然计算和深度学习的主流研究,还对各算法的优缺点进行了深入分析,并介绍了最新的研究进展。每章都配有算法操作实例,将科研融入教学中,为科学研究打下基础。适合作为高等学校信息科学、计算机科学、软件工程、模式识别、人工智能及电子工程等专业高年级本科生和研究生的学习用书。
深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制,构造相应的学习模型与优化算法,利用先进的计算工具实现高效的计算智能方法,并用于解决实际工程问题是人工智能研究的重要途径。 本书共分11章,主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络、孪生神经网络、遗传算法、差分进化算法、粒子群算法、协同演化算法和多目标优化算法及其在图像处理、数据处理等领域的应用。 本书是作者在从事多年人工智能、机器学习教学、科研工作积累的经验基础上编纂而成。本书可作为高等学校计算机科学与技术、软件工程、人工智能及电子工程等专业高年级本科生和研究生的教材,也可作为相关领域科研人员的参考书。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格