深度学习的计算方法：理论、实践与应用

图书标准信息

• 作者 [新加坡]Wei Qi Yan(闫伟齐
• 出版社 电子工业出版社
• 出版时间 2021-10
• 版次 1
• ISBN 9787121421389
• 定价 62.00元
• 装帧 其他
• 开本 16开
• 页数 192页
• 字数 178千字

【内容简介】

本书作为深度学习方面的入门书籍，目的是使读者通过学习，理解和掌握深度学习背后的数学原理和计算方法，并将其用于指导理论分析和实践开发。全书共8章。第1、2章主要介绍了深度学习的相关概念、发展简史、主要进展，以及典型的深度学习平台（MATLAB和TensorFlow）、数据增广技术和相关数学基础；第3~5章详细阐述了深度学习的典型网络模型，包括卷积神经网络、循环神经网络、自编码器、生成对抗网络及深度Q-学习等模型，重点介绍了这些模型背后的数学原理；第6章重点介绍了胶囊网络与流形学习；第7章介绍了玻尔兹曼机及其变体，包括受限玻尔兹曼机、深度玻尔兹曼机及概率图模型；第8章介绍了迁移学习、孪生网络、集成学习及深度学习方面的重要工作。

【作者简介】

Wei Qi Yan，博士，新西兰奥克兰理工大学（Auckland University of Technology，AUT）副教授。研究领域是智能监控、深度学习、计算机视觉和多媒体技术。AUT机器人与视觉中心主任，中国科学院兼职教授、博士生导师。

周浦城，博士，副教授，先后主持或参加国家863、自然科学基金、武器装备预研、军内科研等课题20余项，公开发表论文80余篇，其中SCI检索3篇、EI检索45篇。

【目录】

第1章  概述1

1.1  引言1

1.2  深度学习简介4

1.3  深度学习发展简史7

1.4  深度学习典型应用15

1.5  深度学习获奖论文17

1.6  思考题19

参考文献19

第2章  深度学习平台29

2.1  引言29

2.2  基于MATLAB的深度学习31

2.3  基于TensorFlow的深度学习35

2.4  数据增广41

2.5  数学基础42

2.6  思考题48

参考文献48

第3章  卷积神经网络和循环神经网络51

3.1  卷积神经网络51

3.1.1  R-CNN53

3.1.2  Mask R-CNN54

3.1.3  YOLO55

3.1.4  SSD57

3.1.5  DenseNet和ResNet57

3.2  循环神经网络和时间序列分析58

3.2.1  循环神经网络59

3.2.2  时间序列分析63

3.3  隐马尔可夫模型68

3.4  函数空间70

3.5  向量空间72

3.5.1  赋范空间74

3.5.2  希尔伯特空间75

3.6  思考题79

参考文献79

第4章  自编码器和生成对抗网络87

4.1  自编码器87

4.2  正则自编码器88

4.3  生成对抗网络91

4.4  信息论95

4.5  思考题100

参考文献101

第5章  强化学习103

5.1  引言103

5.2  贝尔曼方程104

5.3  深度Q-学习107

5.4  优化111

5.5  数据拟合112

5.6  思考题116

参考文献116

第6章  胶囊网络与流形学习119

6.1  胶囊网络119

6.2  流形学习123

6.3  思考题128

参考文献129

第7章  玻尔兹曼机131

7.1  玻尔兹曼机概述131

7.2  受限玻尔兹曼机132

7.3  深度玻尔兹曼机134

7.4  概率图模型136

7.5  思考题142

参考文献142

第8章  迁移学习与集成学习145

8.1  迁移学习145

8.1.1  迁移学习的定义145

8.1.2  Taskonomy147

8.2  孪生网络148

8.3  集成学习149

8.4  深度学习的重要工作162

8.5  思考题163

参考文献163

附录A  术语165