新書推薦：
《
销售的力量
》
售價：HK$
97.9
《
我活下来了（直木奖作者西加奈子，纪实性长篇散文佳作 上市不到一年，日本畅销二十九万册）
》
售價：HK$
63.8
《
数学分析原理（第二卷）（第9版）
》
售價：HK$
86.9
《
陈寅恪四书
》
售價：HK$
316.8
《
汉密尔顿关于制造业的报告
》
售價：HK$
74.8
《
开放科学：人工智能时代的呼唤
》
售價：HK$
108.9
《
武器化的知识：国联、自由秩序和软力量的使用
》
售價：HK$
86.9
《
大马士革：刀锋下的玫瑰（方尖碑）
》
售價：HK$
130.9
|
| 編輯推薦： |
?深度 力图做到深入浅出，尽量用通俗易懂的语言、实用生动的案例把理论与方法讲清楚、说明白。
?角度 “深度卷积神经网络”是模仿大脑工作机理的一种智能系统，本书以“系统角度”→“数学角度”→“仿生角度”为主线，对相关知识进行讲解。
?温度 书中添加了“温馨提示”“经验分享”“扩展阅读”等版块，且对书中讲解的30个程序都做了详细的注释，对操作中可能存在的问题也一一进行了提示。
?态度 通过本书传递作者“授人以渔”和“持续学习”的人生态度，更加注重对方法、过程的讲解，希望读者在实际应用中能够触类旁通、举一反三。
?适度 任何一本书都有它的局限性，本书也不例外，希望读者在读此书时，多多思考，多多交流，对于本书有待提高的地方提出适度的建议。
|
| 內容簡介： |
《深度学习理论及实战（MATLAB版·第2版）》主要介绍深度学习理论及实战，共5章，内容包括机器学习、人工神经网络、卷积神经网络、MATLAB深度学习工具箱和应用案例。在介绍基础理论方面，本书深入浅出、语言生动、通俗易懂;在介绍应用实例时，本书贴近实际，步骤翔实，举一反三。本书对数十个例程进行了深入的讲解，并对代码进行了详细的注解。
《深度学习理论及实战（MATLAB版·第2版）》可作为人工智能、电子信息、计算机科学相关专业的本科生，研究生的教材，也可作为本科毕业设计、研究生学术论文的参考资料，还可作为相关工程技术人员的参考资料。
|
| 目錄：
|
第1章从“机器学习”讲起
1.1走近“机器学习”
1.1.1什么是“机器学习”
1.1.2机器学习的主要任务
1.1.3机器学习的分类
1.1.4什么是“深度学习”
1.1.5机器学习的应用举例
经验分享： 对“智能”的理解
扩展阅读： “人工智能”的发展
扩展阅读： “人工智能”的最新发展——生成式AI大模型
1.2解读“机器学习的过程”
1.2.1机器学习的过程
1.2.2机器学习中的数据集
1.2.3过拟合与欠拟合
经验分享： “机器学习”与“雕刻时光”
经验分享： 如何解决机器学习中的“过犹不及”
1.3典型的机器学习算法——SVM
1.3.1“支持向量机”名字的由来
1.3.2SVM分类器的形式
1.3.3如何找到最佳分类线
1.3.4基于SVM的多分类问题
1.4思考与练习
第2章解析“人工神经网络”
2.1神经元——人工神经网络的基础
2.1.1生物神经元
2.1.2人工神经元
2.1.3激活函数
2.2神经网络的结构及工作原理
2.2.1神经网络的结构组成
2.2.2神经网络的工作原理
2.2.3一些常见的概念
扩展阅读： 人工神经网络发展简史
经验分享： 从仿生学的角度看神经网络的局限性
2.3从数学角度来认识神经网络
2.3.1本书中采用的符号及含义
2.3.2神经元的激活
2.3.3神经网络的学习
2.3.4寻找损失函数最小值——梯度下降法
2.3.5误差反向传播
2.3.6基于误差反向传播的参数更新流程
经验分享： 形象地理解梯度下降法
扩展阅读： 随机梯度下降优化算法
经验分享： 形象地理解反向传播算法
2.4如何基于神经网络进行分类
2.4.1基于神经网络实现二分类
2.4.2基于神经网络实现多分类
扩展阅读： 交叉熵
2.5思考与练习
第3章探索“卷积神经网络”
3.1深入浅出话“卷积”
3.1.1卷积的运算过程
3.1.2卷积核对输出结果的影响
3.1.3卷积运算在图像特征提取中的应用
扩展阅读： 数字图像处理的基础知识
编程体验1： 读入一幅数字图像并显示
编程体验2： 基于MATLAB实现二维图像的滑动卷积
3.2解析“卷积神经网络”
3.2.1从ImageNet 挑战赛说起
3.2.2卷积神经网络的结构
3.2.3卷积层的工作原理
3.2.4非线性激活函数的工作原理
3.2.5池化层的工作原理
3.2.6卷积神经网络与全连接神经网络的区别
3.2.7从仿生学角度看卷积神经网络
扩展阅读： 创建ImageNet挑战赛初衷
3.3从数学的角度看卷积神经网络
3.3.1本书中采用的符号及含义
3.3.2从数学角度看卷积神经网络的工作过程
3.3.3如何求代价函数
3.3.4采用误差反向传播法确定卷积神经网络的参数
3.4认识经典的“卷积神经网络”
3.4.1解析LeNet5卷积神经网络
3.4.2具有里程碑意义的AlexNet
3.4.3VGG16卷积神经网络的结构和参数
3.4.4卷积神经网络为何会迅猛发展
3.5思考与练习
第4章基于MATLAB深度学习工具箱的实现与调试
4.1构造一个用于分类的卷积神经网络
4.1.1实例需求
4.1.2开发环境
4.1.3开发步骤
4.1.4常用的构造卷积神经网络的函数
4.1.5构造卷积神经网络
4.1.6程序实现
扩展阅读： 批量归一化层的作用
归纳总结： 深度神经网络训练过程中常见超参的含义
编程体验： 改变卷积神经网络的结构
4.2训练一个用于预测的卷积神经网络
4.2.1实例需求
4.2.2开发步骤
4.2.3构建卷积神经网络
4.2.4训练卷积神经网络
4.2.5程序实现
扩展阅读1： 设置学习率的经验与技巧
扩展阅读2： 随机失活方法(dropout)的作用
扩展阅读3： 小批量方法（minibatch）的作用
编程体验： 改变网络训练配置参数
4.3采用迁移学习进行物体识别
4.3.1站在巨人的肩膀上——迁移学习
4.3.2实例需求
4.3.3开发步骤
4.3.4可直接加载的网络及方法
4.3.5如何对网络结构和样本进行微调
4.3.6函数解析
4.3.7程序实现及运行效果
扩展阅读： 多角度看“迁移学习”
经验分享： “迁移学习”中的微调技术
4.4采用深度网络设计器实现卷积网络设计
4.4.1什么是深度网络设计器
4.4.2如何打开深度网络设计器
4.4.3需求实例
4.4.4在深度网络设计器中构建卷积神经网络
4.4.5对网络进行训练与验证
4.4.6深度网络设计器的检验功能
4.5采用深度网络设计器实现迁移学习
4.5.1基于深度网络设计器的网络结构调整
4.5.2对网络进行训练
4.6如何显示、分析卷积神经网络
4.6.1如何查看训练好的网络的结构和信息
4.6.2如何画出深度网络的结构图
4.6.3如何用analyzeNetwork函数查看与分析网络
4.7如何加载深度学习工具箱可用的数据集
4.7.1如何加载MATLAB自带的数据集
4.7.2如何加载自己制作的数据集
4.7.3如何加载网络下载的数据集——以CIFAR10为例
4.7.4如何划分训练集与验证集
编程体验： 基于CIFAR10数据集训练卷积神经网络
4.8如何构造一个具有捷径连接的卷积神经网络
4.8.1本节用到的函数
4.8.2实例需求
4.8.3创建含有捷径连接的卷积神经网络的实现步骤
4.8.4程序实现
4.8.5对捷径连接网络进行结构检查
编程体验： 采用例程4.8.2所构建的卷积神经网络进行图像分类
4.9思考与练习
第5章应用案例深度解析
5.1基于卷积神经网络的图像分类
5.1.1什么是图像分类
5.1.2评价分类的指标
5.1.3基于深度学习和数据驱动的图像分类
5.1.4传统的图像分类与基于深度学习的图像分类的区别
5.1.5基于AlexNet的图像分类
5.1.6基于GoogLeNet的图像分类
5.1.7基于卷积神经网络的图像分类抗干扰性分析
扩展阅读： 计算机视觉的发展之路
编程体验： 体验GoogLeNet识别图像的抗噪声能力
扩展阅读： AI“隐身衣”
5.2基于LeNet卷积神经网络的交通灯识别
5.2.1实例需求
5.2.2卷积神经网络设计
5.2.3加载交通灯数据集
5.2.4程序实现
5.3融合卷积神经网络与支持向量机的图像分类
5.3.1整体思路
5.3.2本节所用到的函数
5.3.3实现步骤与程序
编程体验： 基于AlexNet和SVM的图像分类
5.4基于RCNN的交通标志检测
5.4.1目标分类、检测与分割
5.4.2目标检测及其难点问题
5.4.3RCNN目标检测算法的原理及实现过程
5.4.4实例需求
5.4.5实现步骤
5.4.6本节所用到的函数
5.4.7程序实现
5.4.8基于AlexNet迁移学习的RCNN实现
5.4.9基于Image Labeler的RCNN目标检测器构建
5.5基于Video Labeler与RCNN的车辆检测
5.5.1实例需求
5.5.2实现步骤
5.6基于YOLO v4的车辆目标检测
5.6.1YOLO目标检测原理概述
5.6.2实例需求
5.6.3实现步骤
5.6.4本节所用到的函数
5.6.5程序实现
5.7思考与练习
参考文献
|
| 內容試閱：
|
自《深度学习理论及实战》（MATLAB版）出版至今已有3年多的时间，感谢读者朋友们的厚爱，先后4次加印，并有多所高校将其作为教材； 同时，也非常感谢读者朋友们的宝贵建议。
“五一”假期，我对本书内容进行了完善，主要包括： 以“扩展阅读”方式增加了人工智能领域的最新进展； 以“经验分享”方式增加了笔者在科研、教学中的心得体会； 将本书的例程在MATLAB（2023b）软件中进行了运行； 增加了YOLO系列的目标检测原理与应用等最新的案例分析。
【配套资源】
本书提供程序代码、教学课件等配套资源，可以在清华大学出版社官方网站本书页面下载，或者扫描封底的“书圈”二维码在公众号下载。
感谢中国高校产学研创新基金项目（2021JQR027）的支持； 感谢“兵器基础性创新团队”、武警工程大学“高层次科技人才引进计划”和“陕西省高校青年创新团队”的支持。
感谢李陈研究员、马燕琳博士、何灏博士在撰写本书过程中所做的贡献； 感谢智能控制创新团队的每一位科研人员。
谨以此书献给为梦想而努力奋斗的青年朋友们！
赵小川
2024年11月20日于北京
15年的学习研究，2年的策划准备，100天的精心撰写，《深度学习理论及实战》（MATLAB版）一书今日付梓，感触颇多。本书是关于人工智能领域“深度学习”理论与技术的著作，谈及本书的特色及心路历程，不妨用几个与“度”有关的关键词来述说。
关键词一： “深度”
近年来，以深度学习为代表的人工智能技术发展得如火如荼，正在改变着人们生活的方方面面。与传统的机器学习相比，深度学习的理论更深、技术更难。本书力图做到深入浅出，尽量用通俗易懂的语言、实用生动的案例把理论与方法讲清楚、说明白。
关键词二： “角度”
“深度卷积神经网络”是模仿大脑工作机理的一种智能系统，本书以“系统角度”→“数学角度”→“仿生角度”为主线，对相关知识进行讲解。值得一提的是，本书从“文化角度”增加了一些中国元素，如： 从《荀子·正名》对“智、能”的解读讲到对人工智能的理解； 以我们学习汉语的过程来说明卷积神经网络的自动提取特征、抽象语义的过程； 以相似的汉字结构变化来类比深度学习中的迁移学习； 以中医针灸来类比激活函数……
关键词三： “温度”
撰写带有“温度”的书一直是我所追求的，即使是科技类的书，也不应该是“冰冷”的。因此，在本书中，添加了 “温馨提示” “经验分享”“心得分享”等版块； 在本书讲解的30个程序中，对每个程序都做了详细的注释，并且对操作中可能存在的问题也一一进行了提示。
关键词四： “态度”
通过这本书，我想传递两个态度。一是“授人以渔”。本书更加注重对方法、过程的讲解，希望读者在实际应用中能够触类旁通、举一反三； 同时还增加了一些“编程体验”的环节，希望读者在动手实践的过程中增加对书中知识的体验。二是“持续学习”。如今，科技与社会迅速发展，持续学习已成为一项重要的能力和素质，本书中的很多内容也是我持续学习的结果。我的包里总会放一本书，地铁上、高铁上、会议前，只要你想学，时间总会有的； 同时，为了写好本书，我还认真地学习了国内外的多个相关课程。
关键词五： “适度”
宋玉曾言“东家之子，增之一分则太长，减之一分则太短”。此实为本书力求的理想之态——格局内蕴，属意“适度”。然而，任何一本书都有它的局限性，本书也不例外，希望读者在读此书时，多多思考，多多交流，对于本书有待提高之处提出适度的建议。
今天是2020年的母亲节，也以此书献给天下的母亲，尤其是我的家人！
赵小川2020年5月10日于北京
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
