簡體書 » 深度學習：原理與應用實踐

深度學習：原理與應用實踐

定價：~~288~~ 元

NT $ 288

作者：張重生
出版社：電子工業出版社
出版日期：2016-12-01
語言：簡體中文
ISBN10：7121304139
ISBN13：9787121304132
裝訂：220頁 / 普通級 / 1-1

內容簡介

本書全面、系統地介紹深度學習相關的技術，包括人工神經網絡，卷積神經網絡，深度學習平台及源代碼分析，深度學習入門與進階，深度學習高級實踐，所有章節均附有源程序，所有實驗讀者均可重現，具有高度的可操作性和實用性。通過學習本書，研究人員、深度學習愛好者，能夠在3個月內，系統掌握深度學習相關的理論和技術。

張重生，博士，教授，碩士生導師，河南大學大數據研究中心、大數據團隊帶頭人。研究領域為大數據分析、深度學習、數據挖掘、數據庫、數據流（實時數據分析）。博士畢業於INRIA, France(法國國家信息與自動化研究所)，獲得優秀博士論文榮譽。2010年08月至2011年3月，在美國加州大學洛杉磯分校(UCLA)，計算機系，師從著名的數據庫專家Carlo Zaniolo教授，從事數據挖掘領域的合作研究。2012-2013,挪威科技大學，ERCIM/Marie-Curie Fellow。

第1章緒論
1.1引言
1.1.1Google的深度學習成果
1.1.2Microsoft的深度學習成果
1.1.3國內公司的深度學習成果
1.2深度學習技術的發展歷程
1.3深度學習的應用領域
1.3.1圖像識別領域
1.3.2語音識別領域
1.3.3自然語言理解領域
1.4如何開展深度學習的研究和應用開發
本章參考文獻
第2章國內外深度學習技術研發現狀及其產業化趨勢
2.1Google在深度學習領域的研發現狀
2.1.1深度學習在Google的應用
2.1.2Google的Tensor Flow深度學習平台
2.1.3Google的深度學習芯片TPU
2.2Facebook在深度學習領域的研發現狀
2.2.1Torchnet
2.2.2DeepText
2.3百度在深度學習領域的研發現狀
2.3.1光學字符識別
2.3.2商品圖像搜索
2.3.3在線廣告
2.3.4以圖搜圖
2.3.5語音識別
2.3.6百度開源深度學習平台MXNet及其改進的深度語音識別系統Warp—CTC
2.4阿里巴巴在深度學習領域的研發現狀
2.4.1拍立淘
2.4.2阿里小蜜——智能客服Messenger
2.5京東在深度學習領域的研發現狀
2.6騰訊在深度學習領域的研發現狀
2.7科創型公司（基於深度學習的人臉識別系統）
2.8深度學習的硬件支撐——NVIDIAGPU
本章參考文獻
深度學習理論篇
第3章神經網絡
3.1神經元的概念
3.2神經網絡
3.2.1后向傳播算法
3.2.2后向傳播算法推導
3.3神經網絡算法示例
本章參考文獻
第4章卷積神經網絡
4.1卷積神經網絡特性
4.1.1局部連接
4.1.2權值共享
4.1.3空間相關下采樣
4.2卷積神經網絡操作
4.2.1卷積操作
4.2.2下采樣操作
4.3卷積神經網絡示例：LeNet—5
本章參考文獻
深度學習工具篇
第5章深度學習工具Caffe
5.1Caffe的安裝
5.1.1安裝依賴包
5.1.2CUDA安裝
5.1.3MATLAB和Python安裝
5.1.4OpenCV安裝（可選）
5.1.5IntelMKL或者BLAS安裝
5.1.6Caffe編譯和測試
5.1.7Caffe安裝問題分析
5.2Caffe框架與源代碼解析
5.2.1數據層解析
5.2.2網絡層解析
5.2.3網絡結構解析
5.2.4網絡求解解析
本章參考文獻
第6章深度學習工具Pylearn2
6.1Pylearn2的安裝
6.1.1相關依賴安裝
6.1.2安裝Pylearn2
6.2Pylearn2的使用
本章參考文獻
深度學習實踐篇（入門與進階）
第7章基於深度學習的手寫數字識別
7.1數據介紹
7.1.1MNIST數據集
7.1.2提取MNIST數據集圖片
7.2手寫字體識別流程
7.2.1模型介紹
7.2.2操作流程
7.3實驗結果分析
本章參考文獻
第8章基於深度學習的圖像識別
8.1數據來源
8.1.1Cifar10數據集介紹
8.1.2Cifar10數據集格式
8.2Cifar10識別流程
8.2.1模型介紹
8.2.2操作流程
8.3實驗結果分析
本章參考文獻
第9章基於深度學習的物體圖像識別
9.1數據來源
9.1.1Caltech101數據集
9.1.2Caltech101數據集處理
9.2物體圖像識別流程
9.2.1模型介紹
9.2.2操作流程
9.3實驗結果分析
本章參考文獻
第10章基於深度學習的人臉識別
10.1數據來源
10.1.1AT＆TFacedatabase數據庫
10.1.2數據庫處理
10.2人臉識別流程
10.2.1模型介紹
10.2.2操作流程
10.3實驗結果分析
本章參考文獻
深度學習實踐篇（高級應用）
第11章基於深度學習的人臉識別——DeepID算法
11.1問題定義與數據來源
11.2算法原理
11.2.1數據預處理
11.2.2模型訓練策略
11.2.3算法驗證和結果評估
11.3人臉識別步驟
11.3.1數據預處理
11.3.2深度網絡結構模型
11.3.3提取深度特征與人臉驗證
11.4實驗結果分析
11.4.1實驗數據
11.4.2實驗結果分析
本章參考文獻
第12章基於深度學習的表情識別
12.1表情數據
12.1.1Cohn—Kanade（CK+）數據庫
12.1.2JAFFE數據庫
12.2算法原理
12.3表情識別步驟
12.3.1數據預處理
12.3.2深度神經網絡結構模型
12.3.3提取深度特征及分類
12.4實驗結果分析
12.4.1實現細節
12.4.2實驗結果對比
本章參考文獻
第13章基於深度學習的年齡估計
13.1問題定義
13.2年齡估計算法
13.2.1數據預處理
13.2.2提取深度特征
13.2.3提取LBP特征
13.2.4訓練回歸模型
13.3實驗結果分析
本章參考文獻
第14章基於深度學習的人臉關鍵點檢測
14.1問題定義和數據來源
14.2基於深度學習的人臉關鍵點檢測的步驟
14.2.1數據預處理
14.2.2訓練深度學習網絡模型
14.2.3預測和處理關鍵點坐標
本章參考文獻
深度學習總結與展望篇
第15章總結與展望
15.1深度學習領域當前的主流技術及其應用領域
15.1.1圖像識別
15.1.2語音識別與自然語言理解
15.2深度學習的缺陷
15.2.1深度學習在硬件方面的門檻較高
15.2.2深度學習在軟件安裝與配置方面的門檻較高
15.2.3深度學習最重要的問題在於需要海量的有標注的數據作為支撐
15.2.4深度學習的最后階段竟然變成枯燥、機械、及其耗時的調參工作
15.2.5深度學習不適用於數據量較小的數據
15.2.6深度學習目前主要用於圖像、聲音的識別和自然語言的理解
15.2.7研究人員從事深度學習研究的困境
15.3展望
本章參考文獻

看更多