深度学习架构与实践

封面

版权信息

前言

绪论

第1章 深度学习的架构

1.1 如何区分人工智能、机器学习、深度学习

1.2 深度学习的发展历史及研究现状

1.3 深度学习的基本内容及理论基础

1.4 深度学习的发展趋势与未来

第2章 深度学习相关数学基础

2.1 线性代数

2.2 概率论与信息论

2.3 拟合、梯度下降与传播

第3章 神经网络的架构

3.1 神经网络与神经元

3.2 深度神经网络的概念与结构

3.3 深度神经网络的分类

3.4 自动编码器与玻尔兹曼机

第4章 卷积神经网络

4.1 卷积神经网络的概念

4.2 卷积神经网络的基本结构

4.3 非线性层与激活函数

4.4 感受野与权值共享

4.5 卷积神经网络与反卷积神经网络

4.6 卷积神经网络的训练

第5章 循环神经网络

5.1 RNN的概念

5.2 RNN的结构

5.3 RNN的训练

5.4 RNN的实现

5.5 RNN的发展

第6章 生成对抗网络

6.1 GAN的概念

6.2 GAN的原理

6.3 GAN的应用

6.4 GAN的发展

第7章 Python相关基础

7.1 Python程序结构

7.2 NumPy操作

7.3 函数

7.4 第三方资源

第8章 TensorFlow、Theano、Caffe的框架与安装

8.1 TensorFlow的框架与安装

8.2 Theano的框架与安装

8.3 Caffe的架构与安装

第9章 TensorFlow、Theano、Caffe的原理及应用

9.1 TensorFlow的原理及应用

9.2 Theano的基本语法及应用

9.3 Caffe的结构、写法及应用

第10章 手写数字识别实例

10.1 字符识别的意义

10.2 字符识别的设计与实现

10.3 单层神经网络搭建

10.4 多层神经网络搭建

10.5 卷积神经网络

第11章 自动生成图像描述实例

11.1 自动生成图像描述的目标

11.2 自动生成图像描述的设计

11.3 语言生成模型

11.4 自动生成图像描述的实现

11.5 实验结果及分析

第12章 唇语识别实例

12.1 唇语识别技术的目标

12.2 特征提取

12.3 唇语识别模型网络架构

12.4 实验结果及分析