深度卷积网络:原理与实践

深度卷积网络:原理与实践

作者:彭博

出版社:机械工业

出版年:2018年3月

ISBN:9787111596653

所属分类:人文社科

书刊介绍

《深度卷积网络:原理与实践》内容简介

本书正文内容可分3部分,共9章:综述篇(第1,6,9章)。这三章不需要编程和数学基础,如果读者尚不熟悉技术,推荐优先阅读,尤其是第1和第9章。它们分别介绍:深度学习的基本概念,AlphaGo的架构综述,深度学习的问题和未来展望。深度卷积网络篇(第2,3,4,5章)。这四章结合理论与实际代码,由浅入深,从神经网络,到卷积网络,到深度卷积网络,让读者掌握深度卷积网络的基础知识、实践技巧和新发展,是本书的关键所在,值得仔细阅读。实战篇(第7,8章)。这两章分别讲述AlphaGo和GAN的训练和应用细节,包括详细的代码分析。
彭博 人工智能、量化交易、区块链领域的技术专家,有20年以上的研发经验。
在人工智能与信息科技方面,对深度学习、机器学习、计算机图形学、智能硬件等有较为深入的研究;在量化交易方面,曾在全球大的外汇对冲基金负责程序化交易,对市场的微观和宏观行为有较为深入的理解;在区块链方面,对智能合约、DApp开发和自动交易有较为深入的实践。
知乎上科技领域的大V,在专栏撰有大量技术文章。

作品目录

前言
引子·神之一手
第1章:走进深度学习的世界
1.1、从人工智能到深度学习
1.2、深度神经网络的威力:以AlphaGo为例
1.3、深度神经网络的应用大观
1.4、亲自体验深度神经网络
1.5、深度神经网络的基本特点
1.6、人工智能与神经网络的历史
第2章:深度卷积网络:第一课
2.1、神经元:运作和训练
2.2、深度学习框架MXNet:安装和使用
2.3、神经网络:运作和训练
第3章:深度卷积网络:第二课
3.1、重要理论知识
3.2、神经网络的正则化
3.3、神经网络的调参
3.4、实例:MNIST问题
3.5、网络训练的常见bug和检查方法
3.6、网络训练性能的提高
第4章:深度卷积网络:第三课
4.1、卷积网络:从实例说明
4.2、运作:AlphaGo眼中的棋盘
4.3、卷积神经网络:进一步了解
4.4、实例:用卷积网络解决MNIST问题
4.5、MXNet的使用技巧
第5章:深度卷积网络:第四课
5.1、经典的深度卷积网络架构
5.2、网络的可视化:以AlexNet为例
5.3、迁移学习:精调、预训练等
5.4、架构技巧:基本技巧
5.5、架构技巧:残差网络与通道组合
5.6、架构技巧:更多进展
5.7、物体检测与图像分割
5.8、风格转移
第6章:AlphaGo架构综述
6.1、从AlphaGo到AlphaZero
6.2、AlphaGo的对弈过程
6.3、AlphaGo中的深度卷积网络架构
6.4、AlphaGo的训练过程
6.5、AlphaGo方法的推广
第7章:训练策略网络与实战
7.1、训练前的准备工作
7.2、训练代码
7.3、对弈实战
第8章:生成式对抗网络:GAN
8.1、GAN的起源故事
8.2、GAN的基本原理
8.3、实例:DCGAN及训练过程
8.4、GAN的更多架构和应用
8.5、更多的生成模型方法
第9章:通向智能之秘
9.1、计算机视觉的难度
9.2、对抗样本,与深度网络的特点
9.3、人工智能的挑战与机遇
9.4、深度学习的理论发展
9.5、深度学习与人工智能的展望

人工智能与我们的未来
附录
深度学习与AI的网络资源

相关推荐

微信二维码