深度學習理論及實戰 (MATLAB版) (第2版) 趙小川 9787302681847 【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：202502*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：深度學習理論及實戰 (MATLAB版) (第2版)
ISBN：9787302681847
出版社：清華大學
著編譯者：趙小川
頁數：246
所在地：中國大陸 *此為代購商品
書號：1713786
可大量預訂，請先連絡。

內容簡介

本書主要介紹深度學習理論及實戰，共5章，內容包括機器學習、人工神經網絡、卷積神經網絡、MATLAB深度學習工具箱和應用案例。在介紹基礎理論方面，本書深入淺出、語言生動、通俗易懂；在介紹應用實例時，本書貼近實際、步驟翔實、舉一反三。本書對數十個常式進行了深入的講解，並對代碼進行了詳細的註解。 本書可作為人工智能、電子信息、計算機科學相關專業的本科生、研究生的教材，也可作為本科畢業設計、研究生學術論文的參考資料，還可作為相關工程技術人員的參考資料。

作者簡介

趙小川，博士，高級工程師。科技部、北京市科委項目評審專家組成員。《Robotica》、《IEEE Transactions On Biomedical Engineering》等期刊的審稿人。主編了《MATLAB數字圖像處理——程序實現與模塊化模擬》、《MATLAB數字圖像處理——能力提高與應用案例》、《MATLAB數字圖像處理——從模擬C／C++代碼自動生成》等圖書。

目錄

第1章 從「機器學習」講起
1 1 走近「機器學習」
1 1 1 什麼是「機器學習」
1 1 2 機器學習的主要任務
1 1 3 機器學習的分類
1 1 4 什麼是「深度學習」
1 1 5 機器學習的應用舉例
經驗分享：對「智能」的理解
擴展閱讀：「人工智能」的發展
擴展閱讀：「人工智能」的最新發展——生成式AI大模型
1 2 解讀「機器學習的過程」
1 2 1 機器學習的過程
1 2 2 機器學習中的數據集
1 2 3 過擬合與欠擬合
經驗分享：「機器學習」與「雕刻時光」
經驗分享：如何解決機器學習中的「過猶不及」
1 3 典型的機器學習算法——SVM
1 3 1 「支持向量機」名字的由來
1 3 2 SVM分類器的形式
1 3 3 如何找到最佳分類線
1 3 4 基於SVM的多分類問題
1 4 思考與練習
第2章 解析「人工神經網絡」
2 1 神經元——人工神經網絡的基礎
2 1 1 生物神經元
2 1 2 人工神經元
2 1 3 激活函數
2 2 神經網絡的結構及工作原理
2 2 1 神經網絡的結構組成
2 2 2 神經網絡的工作原理
2 2 3 一些常見的概念
擴展閱讀：人工神經網絡發展簡史
經驗分享：從仿生學的角度看神經網絡的局限性
2 3 從數學角度來認識神經網絡
2 3 1 本書中採用的符號及含義
2 3 2 神經元的激活
2 3 3 神經網絡的學習
2 3 4 尋找損失函數最小值——梯度下降法
2 3 5 誤差反向傳播
2 3 6 基於誤差反向傳播的參數更新流程
經驗分享：形象地理解梯度下降法
擴展閱讀：隨機梯度下降優化算法
經驗分享：形象地理解反向傳播算法
2 4 如何基於神經網絡進行分類
2 4 1 基於神經網絡實現二分類
2 4 2 基於神經網絡實現多分類
擴展閱讀：交叉熵
2 5 思考與練習
第3章 探索「卷積神經網絡」
3 1 深入淺出話「卷積」
3 1 1 卷積的運算過程
3 1 2 卷積核對輸出結果的影響
3 1 ，3卷積運算在圖像特徵提取中的應用
擴展閱讀：數字圖像處理的基礎知識
編程體驗1：讀入一幅數字圖像並顯示
編程體驗2：基於MATLAB實現二維圖像的滑動卷積
3 2 解析「卷積神經網絡」
3 2 1 從ImageNet挑戰賽說起
3 2 2 卷積神經網絡的結構
3 2 3 卷積層的工作原理
3 2 4 非線性激活函數的工作原理
3 2 ，5池化層的工作原理
3 2 6 卷積神經網絡與全連接神經網絡的區別
3 2 7 從仿生學角度看卷積神經網絡
擴展閱讀：創建ImageNet挑戰賽初衷
3 3 從數學的角度看卷積神經網絡
3 3 1 本書中採用的符號及含義
3 3 2 從數學角度看卷積神經網絡的工作過程
3 3 3 如何求代價函數
3 3 4 採用誤差反向傳播法確定卷積神經網絡的參數
3 4 認識經典的「卷積神經網絡」
3 4 1 解析LeNet5卷積神經網絡
3 4 2 具有里程碑意義的AlexNet
3 4 3 VGG-16卷積神經網絡的結構和參數
3 4 4 卷積神經網絡為何會迅猛發展
3 5 思考與練習
第4章 基於MATLAB深度學習工具箱的實現與調試
4 1 構造一個用於分類的卷積神經網絡
4 1 1 實例需求
4 1 2 開發環境
4 1 3 開發步驟
4 1 4 常用的構造卷積神經網絡的函數
4 1 5 構造卷積神經網絡
4 1 6 程序實現
擴展閱讀：批量歸一化層的作用
歸納總結：深度神經網絡訓練過程中常見超參的含義
編程體驗：改變卷積神經網絡的結構
4 2 訓練一個用於預測的卷積神經網絡
4 2 1 實例需求
4 2 2 開發步驟
4 2 3 構建卷積神經網絡
4 2 4 訓練卷積神經網絡
4 2 5 程序實現
擴展閱讀1：設置學習率的經驗與技巧
擴展閱讀2：隨機失活方法（dropout）的作用
擴展閱讀3：小批量方法（minibatch）的作用
編程體驗：改變網絡訓練配置參數
4 3 採用遷移學習進行物體識別
4 3 1 站在巨人的肩膀上——遷移學習
4 3 2 實例需求
4 3 3 開發步驟
4 3 4 可直接載入的網絡及方法
4 3 5 如何對網絡結構和樣本進行微調
4 3 6 函數解析
4 3 7 程序實現及運行效果
擴展閱讀：多角度看「遷移學習」
經驗分享：「遷移學習」中的微調技術
4 4 採用深度網絡設計器實現卷積網絡設計
4 4 1 什麼是深度網絡設計器
4 4 2 如何打開深度網絡設計器
4 4 3 需求實例
4 4 4 在深度網絡設計器中構建卷積神經網絡
4 4 5 對網絡進行訓練與驗證
4 4 6 深度網絡設計器的檢驗功能
4 5 採用深度網絡設計器實現遷移學習
4 5 1 基於深度網絡設計器的網絡結構調整
4 5 2 對網絡進行訓練
4 6 如何顯示、分析卷積神經網絡
4 6 1 如何查看訓練好的網絡的結構和信息
4 6 2 如何畫出深度網絡的結構圖
4 6 3 如何用analy
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。