深度學(xué)習(xí)導(dǎo)論及案例分析.pdf
http://www.www.srpcoatings.com
2020年12月1日
![]() |
| 第1頁 |
![]() |
| 第10頁 |
![]() |
| 第20頁 |
![]() |
| 第25頁 |
![]() |
| 第35頁 |
![]() |
| 第257頁 |
參見附件(80849KB,302頁)。
深度學(xué)習(xí)導(dǎo)論及案例分析是一部關(guān)于深度學(xué)習(xí)的導(dǎo)論性著作,也是了解深度學(xué)習(xí)的入門書籍。全書涵蓋了深度學(xué)習(xí)的發(fā)展歷史、特點優(yōu)勢,包括各種重要的模型、算法及應(yīng)用,對讀者把握深度學(xué)習(xí)的基本脈絡(luò)和未來趨勢,具有提綱挈領(lǐng)的指導(dǎo)意義。

編輯推薦
關(guān)于深度學(xué)習(xí)的導(dǎo)論性著作,也是了解深度學(xué)習(xí)的入門之書。
詳述了深度學(xué)習(xí)的9大重要模型及其學(xué)習(xí)算法、變種模型和混雜模型,內(nèi)容翔實,具有提綱挈領(lǐng)的指導(dǎo)意義。
基于Matlab、Python和C++相關(guān)的程序案例介紹深度學(xué)習(xí)模型,有助于讀者全面了解深度學(xué)習(xí)模型和算法的實現(xiàn)途徑
這是一部關(guān)于深度學(xué)習(xí)的導(dǎo)論性著作,也是了解深度學(xué)習(xí)的入門書籍。全書涵蓋了深度學(xué)習(xí)的發(fā)展歷史、特點優(yōu)勢,包括各種重要的模型、算法及應(yīng)用,對讀者把握深度學(xué)習(xí)的基本脈絡(luò)和未來趨勢,具有提綱挈領(lǐng)的指導(dǎo)意義。
深度學(xué)習(xí)是近年來在神經(jīng)網(wǎng)絡(luò)發(fā)展史上掀起的一波新浪潮,是機(jī)器學(xué)習(xí)的一大熱點方向,是實現(xiàn)人工智能的一種強大技術(shù),有關(guān)成果早已震撼了學(xué)術(shù)界和工業(yè)界。隨著AlphaGo戰(zhàn)勝人類的圍棋冠軍,深度學(xué)習(xí)又受到了空前絕*的爆炸性關(guān)注。
有興趣的讀者可以從本書開始,逐步揭開深度學(xué)習(xí)的神秘面紗,窺探其中的奧妙所在。
本書具有如下特色
內(nèi)容布局注重深入淺出、引用文獻(xiàn)豐富,方便讀者學(xué)習(xí)和鉆研。
試圖糾正許多讀者對深度學(xué)習(xí)的一些錯誤理解,比如認(rèn)為多層感知器不是深度學(xué)習(xí)模型,認(rèn)為自編碼器能夠直接用來進(jìn)行手寫字符識別,認(rèn)為受限玻耳茲曼機(jī)也是嚴(yán)格意義上的深度學(xué)習(xí)模型,等等。
提供了許多深度學(xué)習(xí)的基本案例,涉及Matlab、Python和C++常用語言,以及Theano和Caffe等開源庫,有助于讀者通過不同語言的分析案例,全面了解深度學(xué)習(xí)模型和算法的實現(xiàn)途徑。
內(nèi)容簡介
深度學(xué)習(xí)是近年來在神經(jīng)網(wǎng)絡(luò)發(fā)展史上掀起的一波新浪潮,是機(jī)器學(xué)習(xí)的一大熱點方向,因在手寫字符識別、維數(shù)約簡、圖像理解和語音處理等方面取得巨大進(jìn)展,所以很快受到了學(xué)術(shù)界和工業(yè)界的高度關(guān)注。在本質(zhì)上,深度學(xué)習(xí)就是對具有深層結(jié)構(gòu)的網(wǎng)絡(luò)進(jìn)行有效學(xué)習(xí)的各種方法。
本書不僅介紹了深度學(xué)習(xí)的起源和發(fā)展、強調(diào)了深層網(wǎng)絡(luò)的特點和優(yōu)勢,說明了判別模型和生成模型的相關(guān)概念,還詳述了深度學(xué)習(xí)的9種重要模型及其學(xué)習(xí)算法、變種模型和混雜模型,包括受限玻耳茲曼機(jī)、自編碼器、深層信念網(wǎng)絡(luò)、深層玻耳茲曼機(jī)、和積網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深層堆疊網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和長短時記憶網(wǎng)絡(luò),以及它們在圖像處理、語音處理和自然語言處理等領(lǐng)域的廣泛應(yīng)用。同時分析了一系列深度學(xué)習(xí)的基本案例。
本書每個案例包括模塊簡介、運行過程、代碼分析和使用技巧4個部分,層次結(jié)構(gòu)清晰,利于讀者的選擇和學(xué)習(xí)并在應(yīng)用中拓展思路。涉及的編程語言有3種:Matlab、Python和C++。其中,很多深度學(xué)習(xí)程序是用Matlab編寫的,可以直接運行;如果使用Python語言編寫深度學(xué)習(xí)程序,則可以調(diào)用Theano開源庫;若使用C++語言,則可以調(diào)用Caffe開源庫。
作者簡介
李玉鑑( 鑒 ) 北京工業(yè)大學(xué)教授,博士生導(dǎo)師。華中科技大學(xué)本科畢業(yè),中國科學(xué)院數(shù)學(xué)研究所碩士畢業(yè),中國科學(xué)院半導(dǎo)體研究所博士畢業(yè),北京郵電大學(xué)博士后出站。曾在中國科學(xué)院生物物理所工作,對意識的本質(zhì)問題關(guān)注過多年,并在《21世紀(jì)100個交叉科學(xué)難題》上發(fā)表《揭開意識的奧秘》一文,提出了解決意識問題的認(rèn)知相對論綱領(lǐng),對腦計劃和類腦研究具有宏觀指導(dǎo)意義。長期圍繞人工智能的核心目標(biāo),在神經(jīng)網(wǎng)絡(luò)、自然語言處理、模式識別和機(jī)器學(xué)習(xí)等領(lǐng)域開展教學(xué)、科研工作,發(fā)表國內(nèi)外期刊、會議論文數(shù)十篇,是本書的*一作者。
馬爾可夫鏈蒙特卡羅方法
在統(tǒng)計學(xué)中,馬爾可夫鏈蒙特卡羅方法是一類根據(jù)概率分布進(jìn)行采樣的方法,起源于物理
學(xué)科113]。這類方法以構(gòu)造一個馬爾可夫鏈為基礎(chǔ),其期望分布(desired distribution)就是平衡分布(equilibrium distribution)、極限分布(limiting distribution)或穩(wěn)態(tài)分布(stationary disrtibu-
tion)。經(jīng)過若干步驟之后,馬爾可夫鏈的狀態(tài)便被用作期望分布的一個樣本。樣本的質(zhì)量隨著步驟數(shù)目的增加而不斷提高,并且在一定條件下能夠漸近地收斂于平衡分布(或真實分布)。
隨機(jī)游走蒙特卡羅(random walk Monte Carlo)方法是馬爾可夫鏈蒙特卡羅方法的一大子類,其中包括M-H算法(Metropolis-Hastings algorithm)和吉布斯采樣(Gibbs sampling)。
M-H算法的目的是根據(jù)一個期望分布P(X)產(chǎn)生一組馬爾可夫過程的狀態(tài),逐漸逼近一個
唯一的穩(wěn)態(tài)分布1(X),而且使得1(X)=P(X)。在直接采樣困難時,M-H算法可以用來從一個概率分布產(chǎn)生一列隨機(jī)樣本。而這列隨機(jī)樣本能夠用來逼近該分布(即生成一個直方圖),或者計算一個積分(如一個期望值),M-H算法一般用來從高維分布采樣,特別是在維數(shù)很高時。對任意概率分布P(X),只要能夠計算一個與P(X)的密度成正比的函數(shù)值f(X),M-H算法就可以從P(X)抽取樣本。M-H算法生成一列樣本的工作目標(biāo)是:隨著產(chǎn)生的樣本值越來越多,它們的分布會更加逼近期望分布P(X)。這些樣本值是用僅依賴于當(dāng)前樣本值的下一個樣本分布,通過一步一步迭代產(chǎn)生的,因此使得產(chǎn)生的樣本序列是一個馬爾可夫鏈。具體地說,M-H算法首先選擇一個轉(zhuǎn)移概率函數(shù)P(X1Y)(如任意一個條件概率密度函數(shù)),又稱提議密度(proposal density)、提議分布(proposal distribution)或者跳躍分布(jumping distribution);然后,在每一次迭代中,利用這個轉(zhuǎn)移函數(shù)基于當(dāng)前的樣本值挑選下一個樣本候選值,并讓候選值以一定的概率被接受在下一次迭代中使用,或被拒絕丟棄而在下一次迭代中繼續(xù)使用當(dāng)前值。接受的概率是通過比較關(guān)于期望分布P(X)的當(dāng)前采樣值和候選采樣值的函數(shù)值/(X)確定的。在多維變量分布的情況下,如果維數(shù)較高,M-H算法的缺點是很難找到正確或合適的轉(zhuǎn)移函數(shù)。此時,吉布斯采樣常常是效果更好的替代方法。
深度學(xué)習(xí)導(dǎo)論及案例分析截圖



您現(xiàn)在查看是摘要介紹頁, 詳見PDF附件(80849KB,302頁)。
習(xí)導(dǎo)論及案例分析_1.jpg)
習(xí)導(dǎo)論及案例分析_2.jpg)
習(xí)導(dǎo)論及案例分析_3.jpg)
習(xí)導(dǎo)論及案例分析_4.jpg)
習(xí)導(dǎo)論及案例分析_5.jpg)
習(xí)導(dǎo)論及案例分析_6.jpg)