- 深度学习技术基础(人工智能微课版面向新工科专业建设计算机系列教材)
- - 作者：田春伟//左旺孟|责编:白立军|总主编:张尧学
  - 出版社：清华大学
  - ISBN：9787302676218
  - 出版日期：2024/12/01
  - 页数：130
- 售价：19.6

内容大纲
随着人工智能和数字技术的飞速发展，深度学习已成为现代技术革新的核心驱动力之一。从语音识别到自动驾驶，深度学习的应用正在不断改变人们的生活方式。然而，深度学习技术的复杂性和广泛性，使得初学者和实践者在理解与应用这些技术时面临诸多挑战。因此，本书对深度学习的基本理论、核心技术及实际应用进行了系统梳理，旨在帮助读者全面掌握这一领域的核心知识。
本书融合理论、技术与实践，旨在为深度学习爱好者、高等学校计算机科学与技术、人工智能、智能科学与技术等相关专业本科生、研究生以及工业界的专业人士提供一条系统而清晰的学习路径。无论是从事学术研究，还是专注于实际应用，不同背景的读者都能从本书中获得宝贵的知识与实践经验。
作者介绍
目录
第1章  人工神经网络
  1.1  人工神经网络的起源与发展
  1.2  人工神经网络的基本概念
    1.2.1  人工神经网络的组成
    1.2.2  人工神经网络的核心组件
    1.2.3  前馈与反馈神经网络
  1.3  人工神经网络的模型及应用
  1.4  例题
  1.5  课后习题
第2章  卷积神经网络
  2.1  卷积神经网络的发展
  2.2  卷积神经网络的原理
  2.3  卷积神经网络的基本组件
    2.3.1  卷积层
    2.3.2  池化层
    2.3.3  归一化层
    2.3.4  激活函数
    2.3.5  全连接层
  2.4  卷积神经网络参数优化方法
  2.5  卷积神经网络的优缺点及其应用场景
  2.6  例题
  2.7  课后习题
第3章  经典卷积神经网络
  3.1  AlexNet
    3.1.1  AlexNet的网络结构
    3.1.2  AlexNet的改进
  3.2  VGGNet
    3.2.1  VGGNet的网络结构
    3.2.2  VGGNet的特点
  3.3  GoogLeNet
    3.3.1  Inception结构
    3.3.2  辅助分类器
  3.4  残差网络
  3.5  密集连接网络
  3.6  生成对抗网络
    3.6.1  生成对抗网络概述
    3.6.2  生成对抗网络训练过程
    3.6.3  生成对抗网络的发展
  3.7  Transformer
    3.7.1  Transformer概述
    3.7.2  自注意力机制
    3.7.3  Transformer的输入
    3.7.4  掩码机制
    3.7.5  Transformer网络
  3.8  例题
  3.9  课后习题
第4章  深度学习技术编程工具
  4.1  Caffe
    4.1.1  Caffe概述
    4.1.2  Caffe的特点

  4.2  Keras
    4.2.1  Keras概述
    4.2.2  Keras的特点
  4.3  TensorFlow
    4.3.1  TensorFlow概述
    4.3.2  TensorFlow的特点
  4.4  PyTorch
    4.4.1  PyTorch概述
    4.4.2  PyTorch的特点
  4.5  例题
  4.6  课后习题
第5章  深度学习技术的应用
  5.1  图像去噪
    5.1.1  图像去噪任务
    5.1.2  数据集
    5.1.3  经典图像去噪网络
  5.2  图像超分辨率
    5.2.1  图像超分辨率任务
    5.2.2  数据集
    5.2.3  主流图像超分辨率网络
  5.3  图像识别
    5.3.1  图像识别的概念
    5.3.2  常用图像分类数据集
    5.3.3  经典图像分类算法
  5.4  目标检测
    5.4.1  目标检测的概念
    5.4.2  常用目标检测数据集
    5.4.3  两阶段目标检测算法
    5.4.4  单阶段目标检测算法
  5.5  图像分割
    5.5.1  图像分割的概念
    5.5.2  语义分割算法
    5.5.3  实例分割算法
    5.5.4  图像分割的应用场景
    5.5.5  总结与展望
  5.6  例题
  5.7  课后习题
第6章  总结和展望
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目