深度學習及加速技術-入門與實踐 白創 9787111728719 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習及加速技術-入門與實踐
ISBN：9787111728719
出版社：機械工業
著編譯者：白創
叢書名：智能系統與技術叢書
頁數：199
所在地：中國大陸 *此為代購商品
書號：1534276
可大量預訂，請先連絡。

內容簡介

本書緊密圍繞深度學習及加速技術的基礎理論與應用案例展開敘述，實現了深度學習演算法設計與硬體加速技術的有機統一，是一本基礎理論與實踐案例相結合的實用圖書。其具體內容涉及人工智能基本概念，神經網絡數學基礎、神經網絡基本結構與學習策略、反向傳播演算法數學原理與訓練機制等神經網絡基礎理論，以及一些高級主題和實踐。 本書可作為從事人工智能領域演算法研究、架構設計與應用實現等工作的科研人員、工程師以及高等院校師生的參考書籍。

作者簡介

白創，男，博士，1983年生於陝西延安。現為長沙理工大學物理與電子科學學院、柔性電子材料基因工程湖南省重點實驗室講師、碩士生導師。主要研究方向為超大規模集成電路開發、機器視覺與模式識別技術研究，具體包括芯片指紋、安全密鑰生成、硬體防偽等安全領域芯片、射頻無線通信芯片的研究與設計，以及深度神經網絡學習演算法、人臉識別技術等人工智能領域技術研究。主持國家、省部級項目6項，在國內外專業學術刊物和會議上發表研究論文20餘篇，獲得專利3項，編寫教材1部。

目錄

前言
理論篇
第1章 人工智能簡介
1 1 人工智能概念
1 1 1 人工智能定義
1 1 2 人工智能發展歷程
1 2 人工智能與深度學習
1 2 1 人工智能與深度學習之間的關係
1 2 2 圖靈機與丘奇-圖靈論題
1 3 人工智能發展階段
1 3 1 人工智能1 0——知識＋演算法＋算力
1 3 2 人工智能2 0——數據＋演算法＋算力
1 3 3 人工智能3 0——知識＋數據＋演算法＋算力
1 3 4 人工智能4 0——存算一體化
1 4 人工智能應用
1 4 1 工業零部件尺寸測量與缺陷檢測
1 4 2 目標檢測與跟蹤
1 4 3 人臉比對與識別
1 4 4 三維影像重構
第2章 神經網絡數學基礎
2 1 線性向量空間
2 2 內積
2 3 線性變換與矩陣表示
2 4 梯度
第3章 神經網絡與學習規則
3 1 神經元模型與網路結構
3 1 1 神經元模型
3 1 2 神經網絡結構
3 2 感知機學習
3 2 1 感知機定義及結構
3 2 2 感知機學習規則
3 3 Hebb學習
3 3 1 無監督Hebb學習
3 3 2 有監督Hebb學習
3 4 性能學習
3 4 1 性能指數
3 4 2 梯度下降法
3 4 3 隨機梯度下降法
第4章 反向傳播
4 1 LMS演算法
4 2 反向傳播演算法
4 2 1 性能指數
4 2 2 鏈式法則
4 2 3 反向傳播計算敏感性
4 2 4 反向傳播演算法總結
4 3 反向傳播演算法變形
4 3 1 批數據訓練法
4 3 2 動量訓練法
4 3 3 標準數值優化技術
4 4 反向傳播演算法實例分析
第5章 卷積神經網絡
5 1 卷積神經網絡基礎
5 1 1 全連接神經網絡與卷積神經網絡
5 1 2 卷積神經網絡組成結構
5 1 3 卷積神經網絡進化史
5 2 LeNet
5 2 1 LeNet結構
5 2 2 LeNet特點
5 3 AlexNet
5 3 1 AlexNet結構
5 3 2 AlexNet特點
5 4 VGGNet
5 4 1 VGG16結構
5 4 2 VGG16特點
5 5 GoogLeNet
5 5 1 Inception結構
5 5 2 GoogLeNet結構——基於Inception V1模塊
5 5 3 GoogLeNet特點
5 6 ResNet
5 6 1 ResNet殘差塊結構
5 6 2 ResNet結構
5 6 3 ResNet特點
第6章 目標檢測與識別
6 1 R-CNN
6 1 1 基於SS方法的候選區域選擇
6 1 2 候選區域預處理
6 1 3 CNN特徵提取
6 1 4 SVM目標分類
6 1 5 Bounding box回歸
6 2 Fast R-CNN
6 2 1 基於SS方法的候選區域生成
6 2 2 CNN分類與回歸
6 2 3 Fast R-CNN目標檢測演算法特點
6 3 Faster R-CNN
6 3 1 CNN特徵提取
6 3 2 RPN候選框生成
6 3 3 CNN分類與回歸
6 3 4 Faster R-CNN目標檢測演算法特點
6 4 YOLO
6 4 1 YOLOv
6 4 2 YOLOv
6 4 3 YOLOv
第7章 深度學習優化技術
7 1 梯度消失
7 2 過擬合
7 2 1 增加訓練數據集
7 2 2 regularization
7 2 3 dropout技術
7 3 初始值與學習速度
7 3 1 初始值選擇規則
7 3 2 可變的學習速度
7 4 損失函數
7 4 1 均方誤差損失函數
7 4 2 cross-entropy損失函數
7 4 3 log-likelyhood損失函數
第8章 深度學習加速技術
8 1 軟體模型優化技術
8 1 1 網路模型優化
8 1 2 計算精度降低
8 1 3 網路剪枝技術
8 2 GPU加速技術
8 3 TPU加速技術
8 4 FPGA加速技術
8 4 1 全連接神經網絡加速
8 4 2 卷積神經網絡加速
應用篇
第9章 基於OpenCL的FPGA異構并行計算技術
第10章 基於OpenCL的FPGA異構并行計算應用案例
第11章 基於OpenVINO的FPGA深度學習加速技術
第12章 基於OpenVINO的FPGA深度學習加速應用案例

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。