AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践

AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践

作者:陈震郑文勋 编著

出版社:清华大学

出版年:2018年7月

ISBN:9787302492702

所属分类:人生哲学

书刊介绍

《AlphaGo如何战胜人类围棋大师:智能硬件TensorFlow实践》内容简介

本书主要阐述了当前机器智能的热点技术——深度学习和强化学习技术的原理。在此基础上,介绍AlphaGo结合深度学习和强化学习技术,如何战胜人类围棋大师的原理。接下来,将深度学习的理论转化为实践,给出如何通过掌握TensorFlow和Keras深度学习框架,制作声控智能硬件的例子,同时给出机器视觉的对象检测案例,指导读者逐步学习使用深度学习技术。
本书的主要特点是实践操作,用实用可运行的案例来上手。本书可作为实践入门指导书,适用于对机器智能有兴趣的高年级本科生,也适合于对机器智能有兴趣的人员参考。
陈震 清华大学iCenter智能系统实验室主任;从事互联网、数据管理与智能系统的教研工作;长期指导本科生科研训练计划项目(SRT),荣获清华大学优秀SRT项目指导奖一等奖2项和二等奖4项;带领实验室团队完成的“人工智能实践教学平台”,荣获2018年清华大学实验技术成果一等奖,为清华大学学生创客团队的人工智能创新创业提供有力支持。
郑文勋 就职于阿里巴巴北京总部,清华大学自动化系硕士研究生(2014-2018),毕业于清华大学物理基科班(2011-2014)。

作品目录

内容简介
作者简介
前言
第1章:机器智能的发展
1.1、机器智能
1.1.1、机器智能的定义
1.1.2、机器智能的分类
1.2、深度学习
1.2.1、机器智能的神经网络方法
1.2.2、人工神经元与人工神经网络
1.2.3、神经网络的复兴
1.3、机器学习
1.3.1、机器学习的基本原理
1.3.2、机器学习泛化能力
1.3.3、大数据是深度学习的基础
参考文献
第2章:深度学习
2.1、深度学习的原理
2.1.1、人工神经元
2.1.2、多层人工神经网络
2.1.3、神经网络训练
2.2、典型的神经网络架构
2.2.1、卷积神经网络
2.2.2、循环神经网络
2.2.3、长短时记忆循环网络
2.2.4、门控循环单元循环网络
2.3、机器感知
2.3.1、语音识别
2.3.2、计算机视觉
2.4、深度学习实践
2.4.1、建模工具
2.4.2、软硬件工具
2.5、小结
参考文献
第3章:强化学习
3.1、强化学习基础
3.1.1、强化学习概述
3.1.2、深度强化学习
3.1.3、强化学习框架
3.2、计算机围棋
3.2.1、围棋游戏
3.2.2、蒙特卡洛树搜索
3.2.3、基于卷积网络的围棋程序
3.3、阿尔法围棋的原理
3.3.1、阿尔法围棋团队
3.3.2、深度卷积网络
3.3.3、结合策略网络和价值网络的蒙特卡洛树搜索
3.3.4、阿尔法围棋技术总结
3.4、小结
参考文献
第4章:
TensorFlow简介
4.1、TensorFlow
4.2、使用
4.2.1、TensorFlow起步
4.2.2、TensorFlow数据的结构
4.2.3、TensorFlow的工作流程
4.3、Tensor运算
4.4、导入实验数据
4.4.1、NumpyArray方法
4.4.2、TensorFlow组件方法
4.4.3、TensorFlow示例
4.5、TensorBoard示例
4.6、小结
参考文献
第5章:
Keras简介
5.1、Keras
5.2、组织结构
5.2.1、Models
5.2.2、Core
Layers
5.2.3、Layers
5.2.4、Activations
5.2.5、Optimizers
5.3、Keras实践
5.3.1、Keras安装
5.3.2、Keras使用
5.4、小结
参考文献
第6章:声控智能1——预处理与训练
6.1、声控智能
6.1.1、语音指令
6.1.2、语音时频谱图
6.1.3、语音文件录音
6.2、实验过程
6.2.1、语音数据预处理
6.2.2、语音识别网络
6.2.3、TensorFlow/Keras的使用
6.3、小结
参考文献
第7章:声控智能2——部署
7.1、网站端——在线推断
7.1.1、云知音网站功能
7.1.2、Flask网站搭建
7.1.3、Flask+Keras实现
7.2、移动端——离线推断
7.2.1、移动端的网络模型文件
7.2.2、安卓平台的TensorFlow库生成
7.2.3、安卓应用的TensorFlow库调用
7.2.4、安卓应用的录音功能调用
7.2.5、快速集成开发
7.3、小结
参考文献
第8章:PYNQ语音识别
8.1、PYNQ
8.1.1、PYNQ简介
8.1.2、PYNQ-Z1开发板
8.1.3、Jupyter
Notebook
实验设计
8.2.1、PYNQ设置
8.2.2、服务器端设置
8.3、实验过程
8.3.1、AudioInput
8.3.2、传送云端
参考文献
第9章:TX1视觉对象检测
9.1、英伟达Jetson
TX1、9.2、YOLO算法
9.2.1、YOLO算法
9.2.2、YOLOv2算法
9.2.3、YOLO的TX1实践
9.3、算法
9.3.1、SSD算法介绍
9.3.2、SSD的TX1实践
参考文献
后记
附录A
Python和TensorFlow操作基础
A.1、实践基础
A.2、TensorFlow实践基础

相关推荐

微信二维码