神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)（附微課視頻）（線上實(shí)訓(xùn)版）
定 價(jià)：59.8 元
- 作者：張杲峰
- 出版時(shí)間：2025/11/1
- ISBN：9787115673947
- 出 版 社：人民郵電出版社
- 中圖法分類：TP18
- 頁(yè)碼：198
- 紙張：
- 版次：01
- 開本：16開
本書作為神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)領(lǐng)域的入門級(jí)教材，系統(tǒng)地梳理了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的知識(shí)體系，闡述了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，對(duì)主要模型進(jìn)行了重點(diǎn)介紹，并通過(guò)案例進(jìn)行詳細(xì)說(shuō)明，以使讀者能在學(xué)習(xí)基礎(chǔ)理論知識(shí)的同時(shí)，掌握神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型的開發(fā)方法，且具備使用人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型解決實(shí)際問(wèn)題的能力。 全書共9章。內(nèi)容包括緒論、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、多層感知機(jī)、卷積神經(jīng)網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度生成模型、注意力機(jī)制與Transformer。 本書可作為高校人工智能、計(jì)算機(jī)、大數(shù)據(jù)等專業(yè)的本科生教材，也可供相關(guān)領(lǐng)域工程技術(shù)人員參考。
1. 課程內(nèi)容緊跟技術(shù)前沿。在基礎(chǔ)知識(shí)的基礎(chǔ)上，介紹主流的深度學(xué)習(xí)框架。
2. 注重實(shí)踐能力的培養(yǎng)。設(shè)計(jì)配套的實(shí)驗(yàn)內(nèi)容，對(duì)案例的學(xué)習(xí)進(jìn)行鞏固，并進(jìn)一步提升實(shí)踐能力。
3. 完備的教學(xué)內(nèi)容和豐富的教學(xué)素材。包括教學(xué)PPT、實(shí)驗(yàn)指導(dǎo)、習(xí)題指導(dǎo)和知識(shí)點(diǎn)微課在內(nèi)的教學(xué)素材，輔助答疑平臺(tái)，兼顧課堂教學(xué)、課后實(shí)踐和課外學(xué)習(xí)。
張杲峰，蘭州大學(xué)，蘭州大學(xué)信息科學(xué)與工程學(xué)院講師，擔(dān)任“計(jì)算思維課程群基層教學(xué)組織”團(tuán)隊(duì)成員，主要從事深度學(xué)習(xí)與人工智能、計(jì)算機(jī)建模領(lǐng)域研究。主持國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目1項(xiàng)，參與“計(jì)算機(jī)科學(xué)拔尖創(chuàng)新人才培養(yǎng)模式的構(gòu)建與實(shí)踐”等教改項(xiàng)目。
目 錄
第 一章 緒論（15-20頁(yè)）
1.1 人工智能
1.1.1 人工智能的起源
1.1.2 人工智能的發(fā)展與流派
1.1.3 人工智能的社會(huì)、倫理問(wèn)題
1.2 機(jī)器學(xué)習(xí)
1.3 人工神經(jīng)網(wǎng)絡(luò)
1.3.1 人腦神經(jīng)網(wǎng)絡(luò)
1.3.2 人工神經(jīng)網(wǎng)絡(luò)的產(chǎn)生
1.3.3 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
1.4 深度學(xué)習(xí)
1.4.1 深度學(xué)習(xí)的產(chǎn)生和發(fā)展
1.4.2 深度學(xué)習(xí)主要開發(fā)框架
1.4.3 深度學(xué)習(xí)的應(yīng)用現(xiàn)狀
1.5 本書的知識(shí)結(jié)構(gòu)
1.6 關(guān)鍵知識(shí)梳理
1.7 問(wèn)題與實(shí)踐
第二章 機(jī)器學(xué)習(xí)（20頁(yè)）
2.1 基本概念
2.2 機(jī)器學(xué)習(xí)的類型和常見任務(wù)
2.2.1 機(jī)器學(xué)習(xí)的類型
2.2.2 機(jī)器學(xué)習(xí)的常見任務(wù)
2.3 機(jī)器學(xué)習(xí)任務(wù)的基本流程
2.4 模型評(píng)估與性能度量
2.4.1 誤差
2.4.2 性能度量
2.4.3 模型評(píng)估
2.5 關(guān)鍵知識(shí)梳理
2.6 問(wèn)題與實(shí)踐
第三章 人工神經(jīng)網(wǎng)絡(luò)（20頁(yè)）
3.1 大腦與人工神經(jīng)網(wǎng)絡(luò)
3.1.1 大腦
3.1.2 人工神經(jīng)網(wǎng)絡(luò)
3.2 感知機(jī)模型
3.2.1 可學(xué)習(xí)的感知機(jī)
3.2.2 利用感知機(jī)進(jìn)行鳶尾花分類
3.3 關(guān)鍵知識(shí)梳理
3.4 問(wèn)題與實(shí)踐
第四章 多層感知機(jī)（MLP）（25頁(yè)）
4.1 MLP的結(jié)構(gòu)
4.1.1 輸入層
4.1.2 輸出層
4.1.3 隱含層
4.2 前饋算法
4.3 反向傳播算法
4.3.1 梯度下降
4.3.2 鏈?zhǔn)角髮?dǎo)
4.4 利用MLP進(jìn)行手寫字符識(shí)別
4.5 關(guān)鍵知識(shí)梳理
4.6 問(wèn)題與實(shí)踐
第五章 卷積神經(jīng)網(wǎng)絡(luò)（CNN）（20頁(yè)）
5.1 全連接網(wǎng)絡(luò)的弱點(diǎn)
5.2 感受野與卷積
5.2.1 感受野
5.2.2 平移不變性與卷積
5.2.3 尺度不變性與匯聚
5.3 CNN的結(jié)構(gòu)
5.3.1 CNN的一般結(jié)構(gòu)
5.3.2 LeNet-5網(wǎng)絡(luò)
5.4 利用LeNet-5進(jìn)行Cifar 10分類
5.5 關(guān)鍵知識(shí)梳理
5.6 問(wèn)題與實(shí)踐
第六章 CNN的不同變體及應(yīng)用（30頁(yè)）
6.1 VGG及其應(yīng)用
6.1.1 VGG的結(jié)構(gòu)與特點(diǎn)
6.1.2 VGG的應(yīng)用案例
6.2 GoogleNet及其應(yīng)用
6.2.1 Inception及GoogleNet的結(jié)構(gòu)
6.2.2 GoogleNet的應(yīng)用案例
6.3 ResNet及其應(yīng)用
6.3.1 ResNet的結(jié)構(gòu)
6.3.2 LResNet的應(yīng)用案例
6.4 關(guān)鍵知識(shí)梳理
6.5 問(wèn)題與實(shí)踐
第七章 循環(huán)神經(jīng)網(wǎng)絡(luò)（20頁(yè)）
7.1 序列數(shù)據(jù)與循環(huán)神經(jīng)網(wǎng)絡(luò)
7.2 長(zhǎng)程依賴與長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）
7.2.1 長(zhǎng)程依賴
7.2.2 LSTM
7.3 LSTM應(yīng)用案例
7.4 關(guān)鍵知識(shí)梳理
7.5 問(wèn)題與實(shí)踐
第八章 深度生成模型（30頁(yè)）
8.1 生成模型
8.2 自編碼器（AE）
8.3 變分自編碼器（VAE）
8.3.1 VAE的結(jié)構(gòu)與原理
8.3.2 VAE的應(yīng)用案例
8.4 對(duì)抗生成網(wǎng)絡(luò)（GAN）
8.4.1 GAN的結(jié)構(gòu)與原理
8.4.2 GAN的應(yīng)用案例——風(fēng)格遷移
8.5 序列生成模型（seq2seq）及其應(yīng)用案例
8.6 關(guān)鍵知識(shí)梳理
8.7 問(wèn)題與實(shí)踐
第九章 注意力機(jī)制與Transformer（20頁(yè)）
9.1 注意力機(jī)制
9.2 Transformer
9.2.1 Transformer的原理
9.2.2 Transformer的應(yīng)用案例
9.3 ViT
9.3.1 ViT的原理
9.3.2 ViT的應(yīng)用案例
9.4 關(guān)鍵知識(shí)梳理
9.5 問(wèn)題與實(shí)踐
書單推薦
