电子书:《深度学习:卷积神经网络从入门到精通》_张婷等

[复制链接]
查看241 | 回复1 | 2019-12-30 16:39:08 | 显示全部楼层 |阅读模式

《深度学习:卷积神经网络从入门到精通》_张婷等_1

《深度学习:卷积神经网络从入门到精通》_张婷等_1

《深度学习:卷积神经网络从入门到精通》_张婷等_2

《深度学习:卷积神经网络从入门到精通》_张婷等_2

《深度学习:卷积神经网络从入门到精通》_张婷等_3

《深度学习:卷积神经网络从入门到精通》_张婷等_3


内容简介:

主要作者介绍
李玉鑑(鉴)
七京工业大学教授,博士生导师。华中理工大
学(现名为华中科技大学)本科毕业,中guo科学院
数学研究所硕士毕业,中guo科学院半导体研究所博
士毕业,北京邮电大学博士后出站。曾在中guo科学
院生物物理所工作,刘意识的本质问题关注过多
年,并在《21世纪100个交叉科学难题》上发表
《揭开意识的奥秘》一文,提出了解决意识问题的
认知相对论纲领,对脑计划和类脑研究具有宏观指
导意义。长期围绕人工智能的核心目标,在神经网
络、自然语言处理、模式识别和机器学习等领域开
展教学、科研工作,发表guo内外期刊、会议论文数
十篇,是本书和《深度学习导论及案例分析》的第
一作者。

■■智能系统与技术丛书
Deep learning
Mastering Convolutional Neural Networks from Beginner
深度学习
卷积神经网络从入门到精通
李玉缩张婷单传辉刘兆英等看
Q想玩出
oo

图书在版编目(CIP)数据
度学习:卷积神经网络从入门到精通/李玉鑑等著.一北京:机械工业出版社,2018.7
智能系统与技术丛书
ISBN978-7-111-60279-8
L.深…Ⅱ.李…Ⅲl学习系统IV,TP273
中guo版本图书馆CIP数据核字(2018)第137837号
深度学习:卷积神经网络从入门到精通
出版发行:机械工业出版社北京市四城区百万庄大街22号政编码:100037
责任编辑:张梦玲
责任校对:李秋荣
印刷:北京市兆成印刷有限责任公司
版次:2018年7月第1版第1次印刷
开本:186mmx240mm1/16
日张:2
书号:ISBN978-7-111-60279-8
定价:79.00
如有缺页、倒页、脱页,由本社发行部调换
010)8837942688361066
投稿热线010)88379604
010)683262948837964968995259读者信箱:hzit@abook.com
版权所有·侵权必究
封底无防伪标均为盗版
本书法律顾间:北京大成律师事务所光/邹晓东

PREFACE
随着谷歌的 AlphaGo、IBM的 Watson和百度的小度机器人等智能产品的问世,人
工智能成为大众热烈讨论的焦点。深度学习作为其中的核心技术之一,经过学术界与工
业界的积极推动,已经被广泛应用于计算机视觉、语音识别和自然语言处理等诸多领
域。如果读者想了解深度学习的总体概况,可参考作者编写的《深度学习导论及案例分
析》。一书。
本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络,该模型特别适用
于图像分类和识别、目标分割和检.测以及人工智能游戏方面,受众对象包括计算机、自
动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科
研工作者。
卷积神经网络是一种特殊的多层感知器或前馈神经网络,具有局部连接、权值共享
的特点,其中大量神经元按照一定方式组织起来对视野中的交叠区域产生反应。其前
身是日本学者 Fukushima在感受野概念的基础上提出的神经认知机模型。利用神经认
知机的思想, LeCun等人在1998年提出了卷积神经网络的现代雏形 LeNet2012年
Krichevsky等人取得了卷积神经网络研究的重大突破,提出了著名的 AlexNet, AlexNet
在 ImageNet的大规模图像分类竞赛中取得优异成绩,为深度学习的全面推广立下了
汗马功劳。随后,卷积神经网络模型如雨后春笋般出现,如 VGGNet、 GoogLeNet
SPPNet、 ResNet、 DenseNet、 Faster R-CNN、YOLO、SSD、FCN、 PSPNet、 Mask r-CNN
SiameaseNet、 SqueezeNet、 DCGAN、NIN,以及在人工智能游戏中用到的深度强化模
型等
本书的最大特色是对卷积神经网络进行由浅入深的分类描述,依次包括:现代雏
形、突破模型、应变模型、加滐模型、跨连模型、区域模型、分割模型、特殊模型、强
化模型和顶尖成就。这种分类框架是在模型概述和预备知识的基础上逐步展开的,既方
此书已由机械工业出版社出版,书号为ISBN978-7-11150754。—编辑注

便读者入门学习,又有助于读者深入钻研
本书的另一大特色是结合Cafe或 TensorFlow的代码来说明各种卷积神经网络模型
的具体实现过程,并通过应用案例说明其价值和意义所在。典型的应用案例包括:字符
识别、交通标志识别、交通路网提取、大规模图像分类、人脸图像性别分类、图像目标
检.测、图像语义分割、图像实例分割、人脸图像生成、 Flappy bird智能体、 AlphaGo的
仿效围棋程序等。读者可以通过运行各个应用案例的程序代码和实验数据,检验其演示
效果
与其他深度学习的书籍相比,本书对卷积神经网络的内容涵盖更为广泛、模型讨论
更为深入、应用实践更为细致。特别是,还总结了一些运行卷积神经网络的配置技巧
操作经验。比如,在运行 Mask r-cnn的时候,需要先安装读取COCO数据集的程序
然后再进行训练或测试。在运行SSD的时候,可视化结果只给出了类别编号而没有给
出类别名,作者对此已进行了修改,以方便读者按照书中所示代码显示相应的类别名。
把这些经过摸索得到的技巧和经验分享给读者,对提高读者的深度学习技术水平,无疑
具有很好的加速作用。
本书是集体努力的成果,主要作者包括北京工业大学的李玉鑑、张婷、单传辉、刘
兆英、聂小广和欧军。他们对全书的内容进行了精心的布局、认真的编写和细致的整
理。同时,曾少锋、刘博文、穆红章、余华擎和方皓达等人在文献资料、实现代码和软
件工具的收集方面也提供了积极的帮助。此外,华章公司的温莉芳副总经理和张梦玲编
辑对本书的排版提出了许多宝贵的意见。最后,需要特别感谢家人的支持,他们也在
知不觉中以各种方式对此书出版做出了贡献
限于作者水平,本书难免在内容取材和结构编排上有不妥之处,希望读者不吝赐
教,提出宝贵的批评和建议,我们将不胜感激。
018年4月于北京工业大学



回复

使用道具 举报

哈哈大笑 | 2019-12-30 16:39:12 | 显示全部楼层
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则