作者：张宪超
页数：11,442页
出版社：科学出版社
出版日期：2019
ISBN：9787030598349
电子书格式：pdf/epub/txt
内容简介
本书分为八个部分, 分别是深度学习概述、机器学习基础、早期神经网络、深度学习的优化、正则化、卷积神经网络、循环神经网络、注意力机制和记忆网络, 主要内容包括: 人工智能与深度学习 ; 深度学习的发展 ; 机器学习基本概念等。
本书特色
深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最成果。全书由三大部分组成。最部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学习等。第三部分是深度学习理论基础和前沿课题，包括深度学习表达能力分析、深度学习泛化能力分析、深度学习可视化、深度学习的数学、物理、神经科学基础等。
目录
前言
1 深度学习概述
1.1 人工智能与深度学习
1.2 深度学习的发展
1.2.1 深度学习的提出
1.2.2 深度学习的发展历程
1.2.3 深度学习的知识体系
1.2.4 深度学习的数学基础
1.2.5 深度学习的典型应用
1.2.6 深度学习当前面临的挑战
1.2.7 深度学习的未来
1.3 阅读材料
参考文献
2 机器学习基础
2.1 机器学习基本概念
2.1.1 定义
2.1.2 数据
2.1.3 机器学习的三要素
2.1.4 归纳偏好
2.2 机器学习发展历程
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 监督学习
2.4.1 任务描述
2.4.2 评价标准
2.4.3 常用方法
2.5 无监督学习
2.5.1 任务描述
2.5.2 评价标准
2.5.3 常用方法
2.6 强化学习
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
参考文献
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学习规则
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性
3.3.3 前向传播过程
1 深度学习概述
1.1 人工智能与深度学习
1.2 深度学习的发展
1.2.1 深度学习的提出
1.2.2 深度学习的发展历程
1.2.3 深度学习的知识体系
1.2.4 深度学习的数学基础
1.2.5 深度学习的典型应用
1.2.6 深度学习当前面临的挑战
1.2.7 深度学习的未来
1.3 阅读材料
参考文献
2 机器学习基础
2.1 机器学习基本概念
2.1.1 定义
2.1.2 数据
2.1.3 机器学习的三要素
2.1.4 归纳偏好
2.2 机器学习发展历程
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 监督学习
2.4.1 任务描述
2.4.2 评价标准
2.4.3 常用方法
2.5 无监督学习
2.5.1 任务描述
2.5.2 评价标准
2.5.3 常用方法
2.6 强化学习
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
参考文献
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学习规则
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性
3.3.3 前向传播过程
