下载地址: http://gqylpy/di/199
《深度学习、优化与识别.焦李成(详细书签).pdf》PDF高清完整版-下载
深度神经网络是近年来受到广泛关注的研究方向，它已成为人工智能2.0的主要组成部分。《深度学习、优化与识别》系统地论述了深度神经网络基本理论、算法及应用。《深度学习、优化与识别》全书共16章，分为两个部分；第一部分（第1章～10章）系统论述了理论及算法，包括深度前馈神经网络、深度卷积神经网络、深度堆栈神经网络、深度递归神经网络、深度生成网络、深度融合网络等；第二部分（第11～15章）论述了常用的深度学习平台，以及在高光谱图像、自然图像、SAR与极化SAR影像等领域的应用；第16章为总结与展望，给出了深度学习发展的历史图、前沿方向及进展。《深度学习、优化与识别》每章都附有相关阅读材料及仿真代码，以便有兴趣的读者进一步钻研探索。
《深度学习、优化与识别》可为高等院校计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考，以及作为相关专业本科生及研究生教学参考书，同时可供深度学习及其应用感兴趣的研究人员和工程技术人员参考。
目录
第1章深度学习基础
1.1数学基础
1.1.1矩阵论
1.1.2概率论
1.1.3优化分析
1.1.4框架分析
1.2稀疏表示
1.2.1稀疏表示初步
1.2.2稀疏模型
1.2.3稀疏认知学习、计算与识别的范式
1.3机器学习与神经网络
1.3.1机器学习
1.3.2神经网络
参考文献
第2章深度前馈神经网络
2.1神经元的生物机理
2.1.1生物机理
2.1.2单隐层前馈神经网络
2.2多隐层前馈神经网络
2.3反向传播算法
2.4深度前馈神经网络的学习范式
参考文献
第3章深度卷积神经网络
3.1卷积神经网络的生物机理及数学刻画
3.1.1生物机理
3.1.2卷积流的数学刻画
3.2深度卷积神经网络
3.2.1典型网络模型与框架
3.2.2学习算法及训练策略
3.2.3模型的优缺点分析
3.3深度反卷积神经网络
3.3.1卷积稀疏编码
3.3.2深度反卷积神经网络
3.3.3网络模型的性能分析与应用举例
3.4全卷积神经网络
3.4.1网络模型的数学刻画
3.4.2网络模型的性能分析及应用举例
参考文献
第4章深度堆栈自编码网络
4.1自编码网络
4.1.1逐层学习策略
4.1.2自编码网络
4.1.3自编码网络的常见范式
4.2深度堆栈网络
4.3深度置信网络/深度玻尔兹曼机网络
4.3.1玻尔兹曼机/受限玻尔兹曼机
4.3.2深度玻尔兹曼机/深度置信网络
参考文献
第5章稀疏深度神经网络
5.1稀疏性的生物机理
5.1.1生物视觉机理
5.1.2稀疏性响应与数学物理描述
5.2稀疏深度网络模型及基本性质
5.2.1数据的稀疏性
5.2.2稀疏正则