123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)分析研究了深度學(xué)習(xí)相關(guān)的網(wǎng)絡(luò)模型，以及不同網(wǎng)絡(luò)模型的算法結(jié)構(gòu)、原理與核心思想及實(shí)戰(zhàn)案例。主要內(nèi)容涉及人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其擴(kuò)展模型、深度生成對(duì)抗網(wǎng)絡(luò)及其擴(kuò)展模型、深度受限玻爾茲曼機(jī)及其擴(kuò)展模型、深度信念網(wǎng)絡(luò)及其擴(kuò)展模型、深度自編碼器及其擴(kuò)展模型等深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)、原理與方法。通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)在信道盲均衡、目標(biāo)識(shí)別、圖像分類和運(yùn)動(dòng)模糊去除、特征提取與識(shí)別、缺陷早期診斷等領(lǐng)域中的應(yīng)用案例，為讀者提供應(yīng)用深度學(xué)習(xí)網(wǎng)絡(luò)解決具體問(wèn)題的思路和方法。本書(shū)適合人工智能、計(jì)算機(jī)、自動(dòng)化、電子與通信、大數(shù)據(jù)科學(xué)等相關(guān)學(xué)科專業(yè)的科學(xué)研究人員和工程技術(shù)人員閱讀，也可作為相關(guān)專業(yè)博士、碩士研究生的參考書(shū)。

作者簡(jiǎn)介

　　郭業(yè)才，男，教授，博導(dǎo)。2003年獲西北工業(yè)大學(xué)水聲工程專業(yè)博士學(xué)位，全國(guó)優(yōu)秀百篇博士學(xué)位論文獲得者，安徽省學(xué)術(shù)與技術(shù)帶頭人，江蘇省“六大人才高峰”培養(yǎng)對(duì)象，江蘇省高校“信息與通信工程”優(yōu)勢(shì)建設(shè)項(xiàng)目方向帶頭人。主持完成或承擔(dān)了全國(guó)優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金、國(guó)家自然科學(xué)基金等科研項(xiàng)目和、省級(jí)教學(xué)研究項(xiàng)目等，共20余項(xiàng)；獲省級(jí)科學(xué)技術(shù)成果獎(jiǎng)和教學(xué)成果獎(jiǎng)9項(xiàng)；出版規(guī)劃教材1部、教育部電子信息類教指委規(guī)劃教材5部及省重點(diǎn)教材2部；獲授權(quán)發(fā)明專利30余件；指導(dǎo)的研究生有5人獲省級(jí)優(yōu)秀碩士學(xué)位論文獎(jiǎng)。

圖書(shū)目錄

前言
第1章初識(shí)深度學(xué)習(xí)1
1.1深度學(xué)習(xí)有多深1
1.2深度學(xué)習(xí)如何學(xué)4
1.3深度學(xué)習(xí)如何提速5
1.4主流深度學(xué)習(xí)框架12
1.5本書(shū)內(nèi)容與體系結(jié)構(gòu)13
第2章人工神經(jīng)網(wǎng)絡(luò)15
2.1神經(jīng)網(wǎng)絡(luò)演進(jìn)15
2.2神經(jīng)網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)22
2.3優(yōu)化算法23
2.4計(jì)算圖30
2.5正則化懲罰項(xiàng)36
2.6神經(jīng)網(wǎng)絡(luò)BP算法39
2.7過(guò)擬合與欠擬合43
2.8實(shí)例1：基于前饋神經(jīng)網(wǎng)絡(luò)的動(dòng)量盲均衡算法52
第3章模糊神經(jīng)網(wǎng)絡(luò)58
3.1隸屬函數(shù)59
3.2常規(guī)模糊神經(jīng)網(wǎng)絡(luò)66
3.3模糊聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)67
3.4神經(jīng)模糊推理系統(tǒng)70
3.5神經(jīng)網(wǎng)絡(luò)近似邏輯72
3.6實(shí)例2：基于智能模糊神經(jīng)網(wǎng)絡(luò)的導(dǎo)彈防御系統(tǒng)未知飛行目標(biāo)識(shí)別方法73
第4章概率神經(jīng)網(wǎng)絡(luò)85
4.1模式分類的貝葉斯判定策略85
4.2密度估計(jì)的一致性86
4.3概率神經(jīng)網(wǎng)絡(luò)87
4.4貝葉斯陰陽(yáng)系統(tǒng)理論90
4.5實(shí)例3：基于離散余弦變換和概率神經(jīng)網(wǎng)絡(luò)的腦腫瘤分類方法91
第5章小波神經(jīng)網(wǎng)絡(luò)97
5.1小波理論97
5.2小波神經(jīng)網(wǎng)絡(luò)101
5.3小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練架構(gòu)106
5.4小波神經(jīng)網(wǎng)絡(luò)優(yōu)化方法107
5.5實(shí)例4：基于嵌入小波神經(jīng)網(wǎng)絡(luò)的常模盲均衡算法110
第6章卷積神經(jīng)網(wǎng)絡(luò)116
6.1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)116
6.2卷積神經(jīng)網(wǎng)絡(luò)128
6.3卷積操作的變種129
6.4池化操作的變種137
6.5常見(jiàn)的幾種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)145
6.6幾種拓展的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)158
6.7實(shí)例5：基于深度卷積神經(jīng)網(wǎng)絡(luò)
的遙感圖像分類162
6.8實(shí)例6：基于深度卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊去除170
第7章深度生成對(duì)抗網(wǎng)絡(luò)181
7.1生成對(duì)抗網(wǎng)絡(luò)原理181
7.3小波生成對(duì)抗網(wǎng)絡(luò)190
7.4多尺度生成對(duì)抗網(wǎng)絡(luò)196
7.5實(shí)例7：基于條件生成對(duì)抗網(wǎng)絡(luò)的三維肝臟及腫瘤區(qū)域自動(dòng)分割200
7.6實(shí)例8：基于深度殘差生成對(duì)抗網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像復(fù)原208
第8章深度受限玻爾茲曼機(jī)216
8.1玻爾茲曼機(jī)216
8.2稀疏受限玻爾茲曼機(jī)及競(jìng)爭(zhēng)學(xué)習(xí)220
8.3分類受限玻爾茲曼機(jī)與改進(jìn)模型226
8.4 (2D)2PCA受限玻爾茲曼機(jī)230
8.5實(shí)例9：受限玻爾茲曼機(jī)的步態(tài)特征提取及其識(shí)別232
第9章深度信念網(wǎng)絡(luò)238
9.1深度信念網(wǎng)絡(luò)概述238
9.2 Gamma深度信念網(wǎng)絡(luò)243
9.3自適應(yīng)深度信念網(wǎng)絡(luò)246
9.4 KPCA深度信念網(wǎng)絡(luò)248
9.5全參數(shù)動(dòng)態(tài)學(xué)習(xí)深度信念網(wǎng)絡(luò)250
9.6深度信念網(wǎng)絡(luò)優(yōu)化252
9.7實(shí)例10：基于貪婪方法的深度信念網(wǎng)絡(luò)診斷注意缺陷多動(dòng)障礙259
第10章深度自編碼器264
10.1自編碼器264
10.2稀疏自適應(yīng)編碼器267
10.3變分自編碼器268
10.4自編碼回聲狀態(tài)網(wǎng)絡(luò)274
10.5深度典型相關(guān)稀疏自編碼器277
10.6條件雙重對(duì)抗自編碼網(wǎng)絡(luò)280
10.7自編碼應(yīng)用模型283
10.8實(shí)例11：基于改進(jìn)LDA和自編碼器的調(diào)制識(shí)別算法296
參考文獻(xiàn)303