欧美日韩色片,午夜福利手机免费在线

本書系統(tǒng)全面地覆蓋了深度學習的主要原理、方法和應用實踐。介紹了深度學習的概念、主流工具及框架，分析了神經(jīng)網(wǎng)絡原理并實現(xiàn)，對卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）和生成對抗網(wǎng)絡（GAN）這些常用的深度學習模型進行了演練，在此基礎上展開基于深度學習的目標檢測、圖像分割、人臉識別、文本自動生成等熱門應用，為讀者提供了從理論學習到工程實踐的視圖。

本書適合高等學校計算機、軟件工程、人工智能等本�？茖I(yè)，也適合作為對實際使用深度學習感興趣的研究生、工程師和研究人員的學習資料。

實戰(zhàn)深度學習——原理、框架及應用前言: 奇點前夜前言

近十年來,伴隨著世界范圍內(nèi)大數(shù)據(jù)和人工智能的迅猛發(fā)展,機器學習中的深度學習一路凱歌高進,在社會生活中的各個領域大放異彩。在為新生應用提供核心算法模型的同時,又滲透到對傳統(tǒng)流程的再造之中,潛移默化地影響著人們身邊的多個方面。即將到來的智能化浪潮,其所依賴的大數(shù)據(jù)、深度學習算法和強算力,使得許多傳統(tǒng)問題有了新的解決方法和思路。

當前,在信息技術、無人服務和互聯(lián)網(wǎng)等新興領域,越來越多的工程師運用深度學習技術來強化產(chǎn)品功能、提升產(chǎn)品性能。在公共安全、金融保險、衛(wèi)生醫(yī)療、文化教育等傳統(tǒng)領域,越來越多的從業(yè)者正積極地設法引入深度學習技術,掀起新一輪的技術革命。在大量的應用需求牽引下,日益增多的學習者正在加入到深度學習的熱潮中。他們可能來自于計算機、電子工程、數(shù)學、軟件工程等相關專業(yè),也可能從其他專業(yè)跨界而來。

對深度學習的研究,需要常懷敬畏之心。很多人把深度學習理解成一個“黑匣子”,知其然而不知其所以然。但是,深度學習提供了從感知到認知的過渡,以及知識的表達和形成過程。從應用角度來看,各個行業(yè)面臨的主要挑戰(zhàn)其實是如何通過深度學習來真正理解現(xiàn)實世界。雖然很多問題已經(jīng)可以在一定程度上運用深度學習技術來解決,例如圖像識別和語音合成，但是現(xiàn)在迫切需要可解釋的人工智能技術,尤其是金融和醫(yī)療等傳統(tǒng)領域,更需要關心其工作原理而非僅僅是其輸出。

作為前沿交叉學科的研究人員,我們認為，如果要將深度學習技術應用到傳統(tǒng)領域并真正發(fā)揮作用,仍然需要剖析深度學習背后的理論、原則和數(shù)學依據(jù)。為此,基于多年積累的豐富的領域知識和經(jīng)驗,以及數(shù)據(jù)和場景,團隊正在研究深度學習的理論問題,例如可解釋性、泛化能力和知識表達。

本書最初起源于團隊自身建設的能力提升所需。我們整理了深度學習的數(shù)學基礎、主流工具和框架,對常用的深度學習模型進行了演練,并收集了一批當前熱門的應用案例作為實戰(zhàn)化操作練習。這本材料隨著團隊新生力量的增加而不斷更新,多次被作為培訓教材使用且反響良好,才促使萌生推向市場的念頭。

本書系統(tǒng)、全面地覆蓋了深度學習的主要原理、方法和應用實踐。主要分為3部分: 第一部分(第1～3章)是基礎知識和算法實戰(zhàn),包括深度學習概念、主流工具及框架,展開分析了神經(jīng)網(wǎng)絡的原理及實現(xiàn)。第二部分(第4～6章)是常用的深度學習模型,對卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡進行了演練。第三部分(第7～11章)通過具體應用場景,詳細分析了基于深度學習的目標檢測、圖像分割、人臉識別和文本自動生成等當前熱點綜合案例,展示如何在實際中解決問題。

本書構建了一套明晰的深度學習體系,同時各章內(nèi)容相對獨立,并提供全套課件、源代碼、數(shù)據(jù)集和使用說明等學習資源。讀者不要求有深度學習或者機器學習的背景知識,只需具備基本的數(shù)學和編程知識,如基礎的線性代數(shù)、微分、概率及Python編程知識。

本書是跨域大數(shù)據(jù)智能分析與應用省級重點實驗室團隊協(xié)同努力的成果，由鄧勁生和莊春華負責搭建整體框架確定實戰(zhàn)內(nèi)容、組織驗證應用和調(diào)度實施,前6章初稿主要由熊煒林執(zhí)筆,后5章初稿主要由王良執(zhí)筆,喬鳳才、尹曉晴、宋省身、趙濤、李勐等參與了文稿修改和部分章節(jié)的編寫,田野制作了課程課件,黎珍、劉娟、張智超、陶應娟等進行實例驗證,伏西平、李勐等參與試點應用。部分內(nèi)容來自于參考文獻和網(wǎng)絡資源轉載,未能逐一溯源和說明引用,特在此表示感謝。

由于深度學習正處于蓬勃發(fā)展之中,而作者的自身水平、理解能力、項目經(jīng)驗和表達能力有限,書中難免存在一些錯誤和不足之處,還望各位讀者不吝賜教。除了配套源代碼和數(shù)據(jù)集之外，本書還備有全套教學課件可供參考，歡迎將本書選作教材的老師垂詢和交流。

作者2020年6月于硯瓦池

你還可能感興趣

我要評論