深度学习与神经网络

图书标准信息

• 作者 赵金晶 等
• 出版社 电子工业出版社
• 出版时间 2024-02
• 版次 1
• ISBN 9787121473739
• 定价 86.00元
• 装帧 平装
• 开本 16开
• 页数 232页
• 字数 283千字

【内容简介】

本书系统介绍深度学和神经网络的基础知识体系与实践方法，闸述各种主流神经网络模型，以及深度模型优化和正则化问题，使读者能利用深度学方法探索图像识别、自然语言处理等具体场景下的模型构建与优化技术。全书分为7章。章绪论，梳理人工智能不同技术流派的特点、深度学的发展及前沿技术：第2章介绍相关预备知识，包括线代数、概率论、优化理论及机器学的基础知识：第3章从前馈神经网络的基础模型一感知器出发，介绍前馈神经网络的基本结构及涉及的激活函数、梯度下降、误差反向传播等内容：第4章介绍深度模型的优化，讨论神经网络优化中常见的病态问题：第5章介绍深度学中的正则化，包括范数惩罚、数据集增强与噪声注入、提前停止等：第6章介绍卷积神经网络，以及卷积神经网络在计算机视觉领域的具体应用：第7章通过实际案例介绍循环神经网络与卷积神经网络的结合应用。本书可作为高等院校人工智能、电子信息、计算机等专业的或本科生教材，也可作为相关领域的研究和工程技术人员的参书籍。

【作者简介】

赵金晶，女，1981年生，军事科学院系统工程研究院工程师，国科技大学计算机学院博士，主要研究方向为网络与信息安全、人工智能技术。先后承担自然科学、973计划、863计划等重大项目，曾获自然科学青年资助。获省部级科技进步奖5项、1项，发明专利20余项。发表学术80余篇，出版学术著作2部。

【目录】

章绪论

1.1人工智能

1.1.1人工智能技术的发展历程

1.1.2人工智能技术的流派

1.2深度学与神经网络概述

1.2.1深度学与神经网络技术的发展历程

1.2.2深度学与神经网络的前沿技术

1.3深度学系统架构

1.4深度学框架

1.5深度学的应用

1.5.1计算机视觉

1.5.2语音语义

1.5.3自然语言处理

1.6人工智能潜在的安全风险

1.6.1数据层面的风险

1.6.2算法模型层面的风险

1.6.3智能计算框架层面的风险

1.6.4基础软硬件层面的风险

1.6.5应用服务层面的风险

本章小结

……