四虎国内精品一区二区,最新av资源每日更新网

　　本書是一本體系完整、算法和案例豐富的人工智能類教材。本書系統(tǒng)地講解深度學(xué)習(xí)的理論與方法，主要內(nèi)容包括緒論、深度學(xué)習(xí)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度序列模型、深度生成網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、注意力機制、深度強化學(xué)習(xí)、深度遷移學(xué)習(xí)、無監(jiān)督深度學(xué)習(xí)。本書通過豐富的實例講解方法的應(yīng)用；強調(diào)深度學(xué)習(xí)的系統(tǒng)性、方法的時效性，同時針對深度學(xué)習(xí)快速發(fā)展的特點，講解深度學(xué)習(xí)的最新技術(shù)，本書配備了實例的數(shù)字化資源，供學(xué)習(xí)者下載。
　　本書既可以作為國內(nèi)各高等學(xué)校、科研院所本科生、研究生的教材，也可以供國內(nèi)外從事深度學(xué)習(xí)的研究人員和工程人員使用。
　　本書配有電子課件，歡迎選用本書作教材的教師登錄www.compedu.com 注冊后下載。

　　前言
　　隨著科技的飛速發(fā)展，人工智能（AI）已經(jīng)成為這個時代最引人注目的科技之一。在AI的眾多分支中，深度學(xué)習(xí)（Deep Learning）憑借其強大的特征提取能力和對數(shù)據(jù)內(nèi)在模式的精確建模，已經(jīng)成為推動AI技術(shù)不斷突破的關(guān)鍵力量。為此，我們編寫了這本《深度學(xué)習(xí)》教材，系統(tǒng)地介紹深度學(xué)習(xí)的理論與方法。本書旨在為讀者提供一個全面而深入的深度學(xué)習(xí)知識體系。本書從深度學(xué)習(xí)的基礎(chǔ)知識出發(fā)，逐步深入到各種先進的網(wǎng)絡(luò)結(jié)構(gòu)和算法，力求讓讀者在掌握基本理論的同時，能夠了解深度學(xué)習(xí)的最新發(fā)展和應(yīng)用。
　　本書由11章組成。第1章概述深度學(xué)習(xí)，介紹深度學(xué)習(xí)的發(fā)展歷史、分類及度量指標(biāo)。第2章介紹深度學(xué)習(xí)基礎(chǔ)知識，討論深度學(xué)習(xí)相關(guān)的數(shù)學(xué)基礎(chǔ)知識、感知機與多層感知機，以及反向傳播算法。第3章詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的基本概念、發(fā)展歷程、基本結(jié)構(gòu)與部件，以及代表性模型和各種卷積。第4章闡述循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及訓(xùn)練方法，著重分析長短期記憶網(wǎng)絡(luò)和門控循環(huán)單元等典型循環(huán)神經(jīng)網(wǎng)絡(luò)。第5章主要討論以序列到序列為代表的深度序列模型，分析編碼器-解碼器架構(gòu)，重點論述Transformer架構(gòu)及其各種變體。第6章闡述各種深度生成網(wǎng)絡(luò)，包括基于玻爾茲曼機的方法、基于變分自動編碼器的方法、基于生成對抗網(wǎng)絡(luò)的方法、基于流模型的方法、基于擴散模型的方法、基于自回歸網(wǎng)絡(luò)的方法，以及大語言模型。第7章深入討論圖神經(jīng)網(wǎng)絡(luò)的核心概念和運行機制，詳盡闡述了包括圖卷積神經(jīng)網(wǎng)絡(luò)、圖循環(huán)網(wǎng)絡(luò)和圖注意力網(wǎng)絡(luò)等典型圖神經(jīng)網(wǎng)絡(luò)。第8章介紹深度學(xué)習(xí)領(lǐng)域注意力機制的概念、發(fā)展歷程、分類，討論注意力模型的基本架構(gòu)以及原理，以及注意力模型的性能測評。第9章主要論述深度強化學(xué)習(xí)，介紹強化學(xué)習(xí)模型和馬爾可夫決策過程，重點討論深度Q學(xué)習(xí)算法和TD算法等深度價值學(xué)習(xí)算法、策略梯度算法等深度策略學(xué)習(xí)、模仿學(xué)習(xí)以及基于人類反饋的強化學(xué)習(xí)。第10章闡述深度遷移學(xué)習(xí)，重點討論基于微調(diào)的深度遷移學(xué)習(xí)、基于凍結(jié)CNN層的深度遷移學(xué)習(xí)、基于漸進式學(xué)習(xí)的深度遷移學(xué)習(xí)，以及基于對抗的深度遷移學(xué)習(xí)，總結(jié)了每一種方法的基本實現(xiàn)思路與相關(guān)應(yīng)用，并給出了常用的數(shù)據(jù)集。第11章主要論述無監(jiān)督深度學(xué)習(xí)，介紹基于掩碼的任務(wù)、基于語言模型的任務(wù)、基于時序的任務(wù)、基于對比學(xué)習(xí)的任務(wù)，以及經(jīng)典無監(jiān)督深度學(xué)習(xí)模型。
　　本書內(nèi)容全面，體系完整，涵蓋了深度學(xué)習(xí)的基本概念、原理、算法和應(yīng)用等多個方面，為讀者呈現(xiàn)完整的深度學(xué)習(xí)知識體系。本書注重理論與實踐相結(jié)合，不僅介紹了各種算法的原理，還提供了大量的實驗案例和代碼實現(xiàn)，讀者可以通過親手實踐，加深對算法的理解和掌握，提高解決實際問題的能力。隨著技術(shù)的不斷發(fā)展，機器學(xué)習(xí)領(lǐng)域也在不斷涌現(xiàn)新的研究成果和應(yīng)用場景，本書注重跟蹤前沿動態(tài)，及時介紹最新的研究成果和趨勢。本書強調(diào)可讀性和可教性，充分考慮了讀者的閱讀體驗和教師的教學(xué)需求，同時，提供了豐富的教學(xué)資源，方便教師進行課堂教學(xué)和實驗教學(xué)。本書數(shù)字化資源豐富，學(xué)習(xí)體驗升級。作為新形態(tài)教材，本書配備了數(shù)字化資源，如實例源代碼等。這些資源不僅能夠幫助讀者更直觀地理解復(fù)雜的概念和算法，還能夠提升學(xué)習(xí)的趣味性和互動性。讀者可以通過掃描書中的二維碼或訪問指定網(wǎng)站，獲取這些數(shù)字化資源。通過本書的學(xué)習(xí)，讀者將能夠全面掌握深度學(xué)習(xí)的理論與方法，了解深度學(xué)習(xí)領(lǐng)域的最新研究成果和應(yīng)用趨勢，為未來的研究和應(yīng)用奠定堅實的基礎(chǔ)。期待本書能為讀者提供一個深入、系統(tǒng)的深度學(xué)習(xí)知識體系，共同推動人工智能的發(fā)展。
　　本書既可以作為國內(nèi)各高等學(xué)校、科研院所本科生、研究生的教材，也可以供國內(nèi)外從事深度學(xué)習(xí)的研究人員和工程人員使用。希望讀者通過閱讀本書，學(xué)會各種深度學(xué)習(xí)方法，體驗學(xué)習(xí)相關(guān)知識的樂趣。
　　本書第1~4章、第6章、第8~10章由李侃編著，第5、7、11章由孫新編著。感謝博士生王星霖、劉鑫、袁沛文、尹航、李易為、范文驍為本書所付出的辛勤工作。感謝對本書投入過心血的所有人！另外，在本書寫作和出版的過程中，機械工業(yè)出版社的編輯團隊給予了很多幫助，在此特向他們致謝。
　　由于筆者水平有限，書中難免有不足之處，敬請廣大讀者批評指正。
　　李侃

你還可能感興趣

我要評論