Keras深度学习与神经网络

图书标准信息

• 作者 肖睿 程鸣萱
• 出版社 人民邮电出版社
• 出版时间 2022-08
• 版次 1
• ISBN 9787115564788
• 定价 59.80元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 196页
• 字数 249千字

【内容简介】

本书从人工智能导论入手，阐述人工智能的发展及现状，重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。本书内容由浅入深，循序渐进，从神经元和感知机入手，逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。本书知识体系完整，内容覆盖面广，介绍了深度学习中常用的模型和算法，助力读者全方位掌握深度学习的相关知识。
  本书可作为高等院校计算机等相关专业的教材，也可供人工智能领域的技术人员学习使用，还可以作为人工智能研究人员的参考用书。

【作者简介】

肖睿，课工场创始人，北京大学教育学博士，北京大学软件学院特约讲师，北京大学学习科学实验室特约顾问。作为北大青鸟 Aptech 的联合创始人，历任学术总监、研究院院长、公司副总裁等核心岗位，拥有20多年的IT职业教育产品管理和企业管理经验。于2015年创办课工场，兼任总经理，旨在为大学生提供更可靠的 IT 就业教育及服务。

【目录】

目录 第１章 人工智能导论

任务 1.1：了解人工智能发展历程

人工智能的发展历程

任务 1.2：理解人工智能、机器学习、深度学习.

1.2.1 人工智能，机器学习和深度学习

1.2.2 深度学习的发展

任务 1.3：了解深度学习的应用情况

1.3.1 深度学习的应用情况

本章小结

本章习题

第 2 章 深度学习流程

任务 2.1：什么是机器学习

2.1.1 机器学习

2.1.2 机器如何学习

任务 2.2：理解回归与分类

2.2.1 回归

2.2.2 分类

任务 2.3：了解深度学习工作过程

深度学习工作过程

本章小结

本章习题

第 3 章 神经网络基础

任务 3.1：什么是人工神经元

3.1.1 生物神经元

3.1.2 人工神经元

任务 3.2：理解激活函数的意义

3.2.1 激活函数的意义

3.2.2 激活函数种类

任务 3.3：掌握基础的神经网络结构

3.3.1 感知机模型

3.3.2 全连接神经网络

任务 3.4：了解什么是损失函数

3.4.1 损失函数的意义

3.4.2 损失函数的种类

本章小结

本章习题

第 4 章 反向传播原理.

任务 4.1：计算神经网络的输出

前向传播计算

任务 4.2：掌握反向传播算法

4.2.1 反向传播算法的意义

4.2.2 反向传播算法的计算

任务 4.3：掌握梯度下降算法

4.3.1 梯度下降概述

4.3.2 梯度下降的形式

4.3.3 学习率的作用

任务 4.4：使用 Python 实现反向传播算法

反向传播的 Python 实现

本章小结

本章习题

第 5 章 Keras 与环境配置

任务 5.1：深度学习开发环境的配置

5.1.1 Python 开发环境搭建

5.1.2 Keras 与 TensorFlow 安装

任务 5.2：快速开始 Keras

5.2.1 为什么选择 Keras

5.2.2 快速开始 Keras

任务 5.3：掌握顺序模型 Sequential API

5.3.1 Sequential API

任务 5.4：认识函数式模型 Funtional API

Funtional API

本章小结

本章习题

第 6 章 深度神经网络手写体识别

任务 6.1：理解 Softmax 回归模型

6.1.1 Softmax 回归模型

6.1.2 交叉熵损失函数

任务 6.2：使用手写体识别数据集 MNIST

图像分类数据集-MNIST

任务 6.3：深度神经网络解决图像分类问题

多层感知机结合 Softmax 完成手写体识别

任务 6.4：模型评估

6.4.1 选择一个可靠的模型

6.4.2 欠拟合和过拟合

本章小结

本章习题

第 7 章 神经网络优化

任务 7.1：范数正则化避免过拟合

范数正则化

任务 7.2：丢弃法正则化避免过拟合

丢弃法

任务 7.3：掌握改进的优化算法

7.3.1 深度学习与优化

7.3.2 小批量随机梯度下降算法改进

本章小结

本章习题

第 8 章 卷积神经网络

任务 8.1：初识卷积神经网络

8.1.1 卷积概述

8.1.2 与全连接网络对比

任务 8.2：卷积运算

8.2.1 卷积核

8.2.2 填充和步幅

8.2.3 多通道卷积

8.2.4 池化层

任务 8.3：LeNet 实现物体分类

8.3.1 LeNet-开山之作

8.3.2 LeNet 进行物体分类

本章小结

本章习题

第 9 章 卷积神经网络经典结构

任务 9.1：训练深度卷积神经网络

9.1.1 AlexNet

9.1.2 图像增广

9.1.3 实现 AlexNet

任务 9.2：进一步增加网络的深度

9.2.1 VGG 系列

9.2.2 应用 VGG16 提取特征

任务 9.3：认识并行结构的卷积网络

9.3.1 GoogLeNet

9.3.2 Inception 结构块

9.3.3 1×1 卷积核

9.3.4 GoogLeNet 结构

任务 9.4：把网络深度提升至上百层

9.4.1 深度残差网络

9.4.2 稠密连接网络

本章小结

本章习题

第 10 章 循环神经网络

任务 10.1：对时序数据建模

10.1.1 时序数据

10.1.2 循环神经网络

任务 10.2：增加循环神经网络的记忆

10.2.1 长短期记忆网络原理

10.2.2 Keras 实现 LSTM

任务 10.3：优化长短期记忆网络

10.3.1 重置门与更新门

本章小结

本章习题