深度学习（上）

图书标准信息

• 作者 张宪超 著
• 出版社 科学出版社
• 出版时间 2019-08
• 版次 1
• ISBN 9787030598349
• 定价 168.00元
• 装帧 平装
• 开本 16开
• 页数 456页
• 字数 730千字

【内容简介】

《深度学习（上）》对所有主要的深度学习方法和*新研究趋势进行了深入探索。《深度学习（上）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。《深度学习（上）》特别注重学术前沿，对包括胶囊网络在内的当前*新成果进行了细致的讨论。《深度学习（上）》构建了一套明晰的深度学习体系，同时各章内容相对独立，并有辅助网站（http：//deeplearningresource.com）在线提供大量论文、代码、数据集和彩图等学习资源供读者边实践边学习。

【目录】

前言
1 深度学概述
1.1 人工智能与深度学
1.2 深度学的发展
1.2.1 深度学的提出
1.2.2 深度学的发展历程
1.2.3 深度学的知识体系
1.2.4 深度学的数学基础
1.2.5 深度学的典型应用
1.2.6 深度学当前面临的挑战
1.2.7 深度学的未来
1.3 阅读材料
参文献
2 机器学基础
2.1 机器学基本概念
2.1.1 定义
2.1.2 数据
2.1.3 机器学的三要素
2.1.4 归纳偏好
2.2 机器学发展历程
2.2.1 符号学派
2.2.2 联结学派
2.2.3 进化学派
2.2.4 贝叶斯学派
2.2.5 类推学派
2.3 生成模型和判别模型
2.4 监督学
2.4.1 任务描述
2.4.2 评价标准
2.4.3 常用方法
2.5 无监督学
2.5.1 任务描述
2.5.2 评价标准
2.5.3 常用方法
2.6 强化学
2.6.1 任务描述
2.6.2 评价标准
2.6.3 常用方法
2.7 阅读材料
参文献
3 早期神经网络
3.1 早期研究成果
3.1.1 神经网络雏形
3.1.2 mcp神经元模型
3.1.3 hebbian学规则
3.2 感知机
3.3多层感知机
3.3.1 多层感知机的结构
3.3.2 多层感知机的通用近似
3.3.3 前向传播过程
……