深度學(xué)習(xí)經(jīng)典案例解析（基于MATLAB）

定　價(jià)：￥99.00

作　者：	趙小川著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787111682936	出版時(shí)間：	2021-08-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	217	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《深度學(xué)習(xí)經(jīng)典案例解析（基于MATLAB）》分為“基礎(chǔ)篇”“應(yīng)用篇”和“實(shí)戰(zhàn)篇”。通過(guò)17個(gè)案例循序漸進(jìn)地介紹了深度學(xué)習(xí)網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練、應(yīng)用，以及如何基于MATLAB快速生成可執(zhí)行的C、C++代碼并在硬件上部署實(shí)現(xiàn)，內(nèi)容講解由淺及深、層層遞進(jìn)?！　渡疃葘W(xué)習(xí)經(jīng)典案例解析（基于MATLAB）》所講解的案例均配有代碼實(shí)現(xiàn)，并對(duì)代碼進(jìn)行了詳細(xì)注解，讀者可通過(guò)閱讀代碼對(duì)《深度學(xué)習(xí)經(jīng)典案例解析（基于MATLAB）》講解的內(nèi)容進(jìn)行更加深入的了解?！　渡疃葘W(xué)習(xí)經(jīng)典案例解析（基于MATLAB）》適合對(duì)人工智能、深度學(xué)習(xí)技術(shù)感興趣的工程技術(shù)人員閱讀，也適合人工智能、計(jì)算機(jī)科學(xué)技術(shù)相關(guān)專業(yè)的本科生、研究生學(xué)習(xí)參考。

作者簡(jiǎn)介

　　趙小川，博士，研究員，博士生導(dǎo)師，高新技術(shù)企業(yè)評(píng)審專家、武警裝備智能化專家委員會(huì)委員：北京市科學(xué)技術(shù)委員會(huì)、自然科學(xué)基金委員會(huì)、陸軍裝備部項(xiàng)目評(píng)審專家：核心期刊《計(jì)算機(jī)工程》青年編委：擔(dān)任期刊Robotica和《計(jì)算機(jī)應(yīng)用研究》的審稿專家。　研究方向?yàn)槿斯ぶ悄芗夹g(shù)，在感知智能、交互智能、仿生智能等方面有所突破和創(chuàng)新：近年來(lái)，作為項(xiàng)目負(fù)責(zé)人主持科研項(xiàng)目共計(jì)20余項(xiàng)：作為首發(fā)明人先后獲得國(guó)家發(fā)明專利12項(xiàng)。

圖書目錄

前言
基礎(chǔ)篇
案例1 巧婦難為無(wú)米之炊：數(shù)據(jù)集的制作與加載
1．1 機(jī)器學(xué)習(xí)中的數(shù)據(jù)集
1．2 如何加載MATLAB自帶的數(shù)據(jù)集
1．3 如何加載自己制作的數(shù)據(jù)集
1．4 如何加載公開數(shù)據(jù)集：以CIFAR-10為例
1．5 如何劃分訓(xùn)練集與驗(yàn)證集
1．6 如何擴(kuò)充數(shù)據(jù)樣本集
案例2 小試牛刀：如何構(gòu)建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)
2．1 CNN的核心——“卷積”
2．2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及原理
2．3 從仿生角度看卷積神經(jīng)網(wǎng)絡(luò)
2．4 基于深度學(xué)習(xí)工具箱函數(shù)構(gòu)造卷積神經(jīng)網(wǎng)絡(luò)
2．5 采用DeepNetworkDesigner實(shí)現(xiàn)卷積網(wǎng)絡(luò)設(shè)計(jì)
2．6 其他與構(gòu)建深度網(wǎng)絡(luò)相關(guān)的函數(shù)
案例3 精雕細(xì)琢：如何訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)紹
3．1 基本概念一點(diǎn)通
3．2 實(shí)例需求與實(shí)現(xiàn)步驟
3．3 構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
3．4 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
3．5 例程實(shí)現(xiàn)與解析

應(yīng)用篇
案例4 LeNet卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：紅綠燈識(shí)別
4．1 LeNet卷積神經(jīng)網(wǎng)絡(luò)
4．2 基于改進(jìn)LeNet的交通燈識(shí)別
4．3 例程實(shí)現(xiàn)與解析
案例5 AlexNet卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：基于遷移學(xué)習(xí)的圖像分類
5．1 什么是遷移學(xué)習(xí)
5．2 從不同的角度看遷移學(xué)習(xí)
5．3 AlexNet網(wǎng)絡(luò)的原理
5．4 基于AlexNet實(shí)現(xiàn)遷移學(xué)習(xí)的步驟
5．5 AlexNet的加載方法
5．6 如何對(duì)AlexNet進(jìn)行改進(jìn)以實(shí)現(xiàn)遷移學(xué)習(xí)
5．7 本節(jié)所用到的函數(shù)解析
5．8 例程實(shí)現(xiàn)與解析
5．9 采用DeepNetworkDesigner輔助實(shí)現(xiàn)遷移學(xué)習(xí)
案例6 VGG16卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：融合卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的物體識(shí)別
……

實(shí)戰(zhàn)篇
參考文獻(xiàn)