- 深度学习模型与应用(人工智能专业十四五高等学校新工科计算机类专业系列教材)
- - 作者：编者:陈明|责编:汪敏//包宁|总主编:陈明
  - 出版社：中国铁道
  - ISBN：9787113309336
  - 出版日期：2025/06/01
  - 页数：219
- 售价：19.92

内容大纲
深度学习是人工智能的核心技术之一，本书系统地介绍了深度学习的基本内容，主要包括深度学习基础、前馈神经网络、卷积神经网络、循环神经网络、自编码器、Transformer模型、生成对抗网络、深度信念网络和强化学习模型等内容。
本书注重基本概念、基本内容和基本方法的介绍，并通过应用实例来说明模型与算法，语言精练、逻辑层次清晰、内容先进实用，适合作为高等学校人工智能专业课程教材，也可作为人工智能应用、开发人员的参考书。
作者介绍
目录
第1章  概述
  1.1  深度学习的发展历程
    1.1.1  深度学习的起源
    1.1.2  深度学习的发展
    1.1.3  深度学习的爆发
  1.2  机器学习基础
    1.2.1  机器学习方式
    1.2.2  机器学习的主要流派与演化过程
    1.2.3  泛化能力与增强方法
    1.2.4  模型性能评价指标
    1.2.5  相似性的度量与误差计算
  1.3  神经网络模型基础
    1.3.1  神经网络模型特性
    1.3.2  学习方式与学习规则
    1.3.3  深度学习模型原理
  小结
  思考与练习
第2章  前馈神经网络
  2.1  分类模型
    2.1.1  分类系统
    2.1.2  判别函数
    2.1.3  线性不可分的分类
  2.2  感知器
    2.2.1  离散感知器
    2.2.2  连续感知器
  2.3  BP神经网络
    2.3.1  多层感知器结构
    2.3.2  误差反向传播算法
    2.3.3  Dropout方法
    2.3.4  深度神经网络训练过程
    2.3.5  回归神经网络
  小结
  思考与练习
第3章  卷积神经网络
  3.1  卷积神经网络的产生
    3.1.1  问题的提出
    3.1.2  卷积神经网络的特点
  3.2  CNN的结构
    3.2.1  CNN系统结构
    3.2.2  输入层
    3.2.3  卷积层
    3.2.4  池化层
    3.2.5  输出层
  3.3  CNN的训练
    3.3.1  CNN的训练过程
    3.3.2  CNN的正向传播过程
    3.3.3  CNN的反向传播过程
    3.3.4  CNN的权值更新
  3.4  逆CNN
    3.4.1  逆池化与逆卷积

    3.4.2  逆池化运算
  ……
第4章  循环神经网络
第5章  自编码器
第6章  Transformer模型
第7章  生成对抗网络
第8章  深度信念网络
第9章  强化学习模型
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