深度学习与自然计算 清华大学出版社 fb2 免费 lrf 下载 kindle azw3 pdf 阿里云

深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用优选的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。

本书共分11章，主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络、李生神经网络、遗传算法、差分进化算法、粒子群算法、协同演化算法和多目标优化算法及其在图像处理、数据处理等领域的应用。本书是作者在从事多年人工智能、机器学习教学、科研工作积累的经验基础上编纂而成。

本书可作为高等学校计算机科学与技术、软件工程、人工智能及电子工程等专业高年级本科生和研究生的教材，也可作为相关领域科研人员的参考书。

第1章 概述

1.1 人工智能

1.1.1 人工智能发展简史

1.1.2 人工智能三大学派

1.2 深度学习

1.3 自然计算

1.4 本章小结

参考文献

第2章 神经网络基础

2.1 神经网络简介

2.1.1 神经网络的概念

2.1.2 神经网络的发展

2.1.3 神经网络的应用

2.2 神经网络的基本模型

2.2.1 M-P模型

2.2.2 感知器模型

2.2.3 BP神经网络模型

2.3 神经网络常见学习规则

2.3.1 误差修正学习规则

2.3.2 赫布学习规则

2.3.3 最小均方学习规则

2.3.4 竞争学习规则

2.3.5 随机学习规则

2.4 基于梯度下降的优化算法

2.4.1 梯度下降法

2.4.2 随机梯度下降法

2.4.3 小批量梯度下降法

2.5 本章小结

2.6 章节习题

参考文献

第3章 卷积神经网络

3.1 卷积神经网络简介

3.1.1 卷积神经网络的发展历程

3.1.2 卷积神经网络的基本结构

3.1.3 前馈运算与反馈运算

3.2 卷积神经网络中的各层网络及操作

3.2.1 卷积层

3.2.2 池化层

3.2.3 激活函数层

3.2.4 全连接层

3.2.5 损失函数

3.3 卷积神经网络经典结构

3.3.1 LeNet模型

3.3.2 AlexNet模型

3.3.3 Network-In-Network模型

3.3.4 VGG-Net模型

3.3.5 GoogLeNet模型

3.4 本章小结

3.5 章节习题

参考文献

第4章 循环神经网络

4.1 循环神经网络简介

4.1.1 循环神经网络的结构

4.1.2 循环神经网络的输入层

4.1.3 循环神经网络的输出层

4.1.4 循环神经网络的隐含层

4.2 循环神经网络的算法

4.2.1 RNN的前向传播算法

4.2.2 随时间反向传播算法

……

第5章 生成对抗网络

第6章 孪生神经网络

第7章 遗传算法

第8章 差分进化算法

第9章 粒子群算法

第10章 协同演化算法

第11章 多目标优化算法

董红斌，哈尔滨工程大学教授，博士生导师，中国计算机学会人工智能与模式识别专业委员会执行委员。长期从事人工智能及机器学习方面的教学和科研工作。主持和完成多项国家自然科学基金和省部级科研项目，在国际学术会议、杂志和中文学术期刊发表论文90多篇，出版专著2部和译著1部，主编教材2部。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：深度学习与自然计算 清华大学出版社在线阅读

在线听书地址：深度学习与自然计算 清华大学出版社在线收听

在线购买地址：深度学习与自然计算 清华大学出版社在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

"本书融合人工智能领域的两大热点方向，包括自然计算和深度学习的主流研究，还对各算法的优缺点进行了深入分析，并介绍了近期新的研究进展。每章都配有算法操作实例，将科研融入教学中，为科学研究打下基础。适合作为高等学校信息科学、计算机科学、软件工程、模式识别、人工智能及电子工程等专业高年级本科生和研究生的学习用书。

"