新書推薦：
《
中国统计学史
》
售價：HK$
547.8
《
投资你自己
》
售價：HK$
120.9
《
我喜欢相爱的人们
》
售價：HK$
83.6
《
网格本·飘（全两册/外国文学名著丛书）
》
售價：HK$
206.8
《
时刻人文·环球共此食：工业化英国、食品系统与世界生态（2021年美国历史学会杰里·本特利世界史奖获奖作品。一部融合饮食史、环境史、科技史的力作，揭示“地球不能承受之食”的来龙去脉）
》
售價：HK$
93.5
《
DK艺术百科（典藏版）（全彩）
》
售價：HK$
184.8
《
心流2.0：在复杂世界中创造最优体验
》
售價：HK$
64.9
《
日本艺术50讲（一本读懂日本5000年艺术史，20余种艺术类型，280余幅经典之作）
》
售價：HK$
240.9
|
| 編輯推薦： |
本书是深度学习的入门教程，详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。
内容全面。对深度学习理论知识的介绍非常全面，既包括传统的全连接前馈神经网络，也包括目前深度学习理论中常用的卷积神经网络和循环神经网络。
通俗易懂。使用简单轻松的语言去诠释深度学习的理论和编程方法，尽可能不涉及复杂深奥的理论公式，克服了深度学习理论知识深奥，难于入门的难题。
基于Keras框架。介绍使用Keras深度学习框架对深度学习理论进行编程的方法，包括深度学习程序的软硬件环境、全连接前馈神经网络的编程方法、卷积神经网络的编程方法和循环神经网络的编程方法等，解决了编程实践比较困难的问题。
适合作为高等院校智能科学与技术、人工智能、智能制造工程等人工智能类专业的教材，也可以作为人工智能领域技术人员自学或参考的书籍。
|
| 內容簡介： |
本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。全书由5章内容组成。第1章介绍了深度学习的基本概况，包括深度学习的基本概念、应用领域和深度学习程序的框架等。第2章介绍了神经网络的基本原理，包括神经元模型、激活函数、神经网络的训练过程等。第3章介绍了基于Keras的全连接前馈神经网络编程方法，包括运行深度学习程序的硬件环境和软件环境、张量、使用全连接前馈神经网络处理回归问题和分类问题的编程方法。第4章介绍了卷积神经网络的原理和编程方法，包括卷积计算、池化计算、使用Keras进行卷积神经网络编程的方法、卷积神经网络的常用方法、经典的卷积神经网络模型和迁移学习方法。第5章介绍了循环神经网络的原理和编程方法，包括循环神经网络的特点、词语嵌入编码的原理、长短期记忆模型网络、门控循环单元网络、基于Keras对简单循环神经网络和长短期记忆模型网络进行编程的方法。
來源：香港大書城megBookStore,http://www.megbook.com.hk
本书可以作为高等院校智能科学与技术、人工智能、智能制造工程等人工智能类专业的教材，也可以作为人工智能领域技术人员自学或参考的书籍。
|
| 目錄：
|
第1章概述1
1.1深度学习的发展历史1
1.2深度学习的基本概念4
1.2.1人工智能4
1.2.2机器学习4
1.2.3深度学习7
1.2.4人工智能和机器学习、深度学习之间的关系10
1.3深度学习的应用领域11
1.3.1深度学习在计算机视觉中的应用11
1.3.2深度学习在自然语言处理中的应用14
1.3.3深度学习在语音识别中的应用15
1.3.4深度学习在棋类比赛中的应用15
1.3.5深度学习在游戏开发中的应用16
1.3.6深度学习在医疗保健中的应用16
1.3.7深度学习在自动驾驶中的应用17
1.3.8深度学习在金融领域中的应用17
1.4深度学习程序的框架18
思考练习25
第2章神经网络的基本原理26
2.1神经元模型和神经网络26
2.1.1人工神经元模型26
2.1.2神经网络28
2.2激活函数的定义和特点31
2.2.1Sigmoid激活函数32
2.2.2Tanh激活函数33
2.2.3ReLU和Leaky ReLU激活函数34
2.2.4Piecewise Linear激活函数34
2.2.5Softmax激活函数35
2.3神经网络的训练过程36
2.3.1样本数据的预处理方法37
2.3.2网络参数的初始化方法39
2.3.3前向传播算法的原理40
2.3.4损失函数的定义41
2.3.5梯度下降方法的原理41
2.3.6反向传播算法的原理44
2.4神经网络的过拟合现象和解决办法47
2.4.1过拟合现象47
2.4.2L1正则化方法和L2正则化方法47
2.4.3丢弃方法48
2.4.4提前停止方法48
思考练习49
第3章基于Keras的全连接前馈神经网络编程方法50
3.1运行深度学习程序的硬件环境50
3.1.1运行深度学习程序的硬件类型50
3.1.2使用GPU运行深度学习程序的方法51
3.2运行深度学习程序的软件环境55
3.2.1Anaconda的使用方法55
3.2.2CUDA Toolkit和cuDNN的安装方法62
3.2.3TensorFlow库和Keras库的安装方法71
3.2.4使用Jupyter Notebook运行深度学习程序的方法74
3.2.5使用PyCharm运行深度学习程序的方法79
3.2.6使用网站运行深度学习程序的方法83
3.3张量的特点和使用方法84
3.4基于Keras的使用全连接前馈神经网络处理回归问题的编程方法88
3.4.1基于Keras的使用线性回归模型处理回归问题的编程方法88
3.4.2基于Keras的使用单层全连接前馈神经网络处理回归问题的
编程方法98
3.4.3基于Keras的使用多层全连接前馈神经网络处理回归问题的
编程方法101
3.5基于Keras的使用全连接前馈神经网络处理分类问题的编程方法104
3.5.1基于Keras的使用单层全连接前馈神经网络处理分类问题的
编程方法104
3.5.2基于Keras的使用多层全连接前馈神经网络处理分类问题的
编程方法114
思考练习117
第4章卷积神经网络的原理与编程方法119
4.1卷积神经网络119
4.1.1卷积神经网络概述119
4.1.2卷积神经网络的结构120
4.1.3卷积神经网络应用案例121
4.2卷积计算123
4.2.1二维张量的卷积计算123
4.2.2三维张量的卷积计算128
4.2.3卷积计算的性质132
4.3池化计算134
4.3.1Valid池化134
4.3.2Same池化137
4.4基于Keras深度学习框架的卷积神经网络编程方法139
4.4.1使用卷积神经网络处理回归问题的编程方法139
4.4.2使用卷积神经网络处理分类问题的编程方法145
4.5卷积神经网络的常用方法149
4.5.1卷积神经网络的宽结构模型及编程方法150
4.5.2卷积神经网络的深结构模型及编程方法154
4.5.3使用批归一化方法的卷积神经网络156
4.5.4使用数据增强方法的卷积神经网络164
4.6经典的卷积神经网络模型167
4.6.1LeNet5模型169
4.6.2AlexNet模型173
4.6.3VGG模型177
4.6.4其他经典卷积神经网络模型180
4.7迁移学习方法185
4.7.1迁移学习的原理185
4.7.2迁移学习的编程方法186
思考练习189
第5章循环神经网络的原理和编程方法190
5.1循环神经网络190
5.1.1循环神经网络简介190
5.1.2简单循环神经网络的原理192
5.1.3循环神经网络的其他结构196
5.2词语嵌入编码的原理和编程方法196
5.2.1语句的分词问题196
5.2.2词语嵌入编码的原理198
5.3基于Keras深度学习框架的简单循环神经网络编程方法201
5.3.1数据集的准备202
5.3.2神经网络模型的构建206
5.3.3神经网络模型的编译和拟合208
5.3.4单个样本数据的预测210
5.4基于门控的循环神经网络211
5.4.1长短期记忆模型网络212
5.4.2门控循环单元网络214
5.5基于Keras深度学习框架的长短期记忆模型网络编程方法215
思考练习218
参考文献219
附录缩略词语220
|
| 內容試閱：
|
随着目前Sora、ChatGPT和文心一言等人工智能视频和语言大模型的问世和广泛应用，人工智能正在改变整个世界，并且在各行各业中得到了大量的应用。深度学习的理论和技术是人工智能领域非常重要的内容，它在人工智能的发展过程中起到了非常重要的作用。在高校开展深度学习课程的教学过程中，教材的选择非常重要。在目前已有的深度学习教材中，经常存在理论知识深奥、编程实践比较困难等问题。为了解决这些问题，笔者专门编写了这本教材。
本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法，对深度学习理论的基本原理、神经网络的基本原理、全连接前馈神经网络的编程方法、卷积神经网络的原理和编程方法、循环神经网络的原理和编程方法等内容进行了详细介绍。本书主要有以下3个特点。
(1) 本书对深度学习理论知识的介绍非常全面，既包括传统的全连接前馈神经网络，也包括目前深度学习理论中常用的卷积神经网络和循环神经网络。全连接前馈神经网络的内容包括人工神经元模型的特点、神经网络的特点、神经网络的训练过程、前向传播算法的原理、损失函数的特点、梯度下降方法的原理、反向传播算法的原理、过拟合现象等。卷积神经网络的内容包括卷积计算的原理、池化计算的原理、卷积神经网络的宽结构模型和深结构模型、经典的卷积神经网络模型、迁移学习方法的基本原理。循环神经网络的内容包括简单循环神经网络的原理、语言的分词问题、词语嵌入编码的原理、长短期记忆模型网络的原理和门控循环单元网络的原理等。
(2) 本书详细介绍了使用Keras深度学习框架对深度学习理论进行编程的方法，包括运行深度学习程序的硬件环境和软件环境、全连接前馈神经网络的编程方法、卷积神经网络的编程方法和循环神经网络的编程方法等。在介绍运行深度学习程序的软件环境时，分别介绍了Anaconda软件的使用方法、CUDA Toolkit软件和cuDNN软件的安装方法、TensorFlow库和Keras库的安装方法、Jupter Notebook软件和PyCharm软件的使用方法等。在介绍全连接前馈神经网络的编程方法时，分别介绍了线性回归模型的编程方法、单层全连接前馈神经网络的编程方法、多层全连接前馈神经网络的编程方法、回归问题和分类问题的编程方法等。在介绍卷积神经网络的编程方法时，分别介绍了卷积神经网络宽结构模型的编程方法、卷积神经网络深结构模型的编程方法、批归一化操作的编程方法、数据增强操作的编程方法、经典卷积神经网络模型的编程方法和迁移学习的编程方法等。在介绍循环神经网络的编程方法时，分别介绍了简单循环神经网络的编程方法和长短期记忆模型网络的编程方法等。
(3) 在本书的撰写过程中，尽可能使用简单轻松的语言诠释深度学习的理论和编程方法，尽可能不涉及复杂深奥的理论公式。深度学习的复杂理论知识请参考其他相关书籍。这样做的初衷是希望使深度学习的初学者能够轻松入门，不会被艰深的深度学习理论公式所困惑，防止对深度学习产生很强的畏难心理，从而影响下一步的学习积极性和学习体验。
本书结构合理、内容新颖、层次清晰、易于理解和学习，可以作为高等院校智能科学与技术、人工智能、智能制造工程等人工智能类专业本科学生和研究生的入门书籍，也可以作为人工智能领域科技人员的参考资料。
北京印刷学院信息工程学院智能科学技术专业董武副教授完成了本书的撰写，并对本书的全部内容进行了统稿审定。
本书是笔者多年努力的成果，为了编写本书，笔者付出了很多心血，牺牲了很多休息时间。同时，本书在编写过程中得到了清华大学出版社和北京印刷学院信息工程学院各级领导的大力支持，在此表示衷心的感谢。此外，本书的出版得到多个科研项目的资助，包括北京市数字教育研究重点课题（项目编号为BDEC2022619027）、北京市高等教育学会2023年立项面上课题（项目编号为MS2023168）、北京印刷学院校级科研项目（项目编号为Ec202303、Ea202301、E6202405）、北京印刷学院学科建设和研究生教育专项（项目编号为21090323009）和北京印刷学院出版学新兴交叉学科平台建设项目（项目编号为04190123001/003），在此对北京市、北京市高等教育学会和北京印刷学院等资助机构表示深切的谢意。特别感谢家人的大力支持和理解。如果没有你们的关心和付出，难以完成本书的撰写和出版工作。
由于时间比较仓促，而且笔者的理论水平和实践能力有限，书中难免存在疏漏和不足的地方，希望各位读者和专家批评指正，在此表示衷心的感谢。
董武于北京2025年1月
|
|
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
