深入淺出人工神經(jīng)網(wǎng)絡(luò)
定 價：69 元
- 作者：江永紅 著
- 出版時間：2019/6/1
- ISBN：9787115506665
- 出 版 社：人民郵電出版社
- 中圖法分類：TP183
- 頁碼：280
- 紙張：膠版紙
- 版次：1
- 開本：16開
作為一本講解人工神經(jīng)網(wǎng)絡(luò)原理的圖書，《深入淺出人工神經(jīng)網(wǎng)絡(luò)》旨在讓讀者在短的時間內(nèi)對這些原理知識有一個清晰明了的認(rèn)識和理解。
《深入淺出人工神經(jīng)網(wǎng)絡(luò)》總共分為3部分，總計9章。第1部分講解了人工神經(jīng)網(wǎng)絡(luò)的源頭—生物神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，第2部分講解了學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)知識，第3部分講解了幾種常見而典型的人工神經(jīng)網(wǎng)絡(luò)模型，比如感知器、多層感知器、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。
《深入淺出人工神經(jīng)網(wǎng)絡(luò)》寫作風(fēng)格簡潔明快，深入淺出，特別適合對人工神經(jīng)網(wǎng)絡(luò)/人工智能感興趣的入門級讀者。本書只聚焦原理性知識的講解，不涉及編程實現(xiàn)，即使對程序編碼尚不熟悉的讀者也可以輕松閱讀理解。本書還可用作高等院校以及相關(guān)培訓(xùn)機(jī)構(gòu)的教學(xué)或參考用書。
中國人工智能學(xué)會副理事長焦李成先生推薦
中國信息通信研究院云計算與大數(shù)據(jù)研究所所長 何寶宏博士作序推薦
源自前華為技術(shù)專家的集大成之作
人工神經(jīng)網(wǎng)絡(luò)的大師級學(xué)院派作品
聚焦于原理講解 不涉及編碼實現(xiàn) 旨在傳授純粹的人工神經(jīng)網(wǎng)絡(luò)知識
近年來，人工神經(jīng)網(wǎng)絡(luò)又一次成為了人工智能領(lǐng)域的研究熱點。隨著研究工作的不斷深入，人工神經(jīng)網(wǎng)絡(luò)在圖像識別、語音識別、自動語言處理、自動控制、數(shù)據(jù)挖掘、預(yù)測估計以及生物、醫(yī)學(xué)、經(jīng)濟(jì)等領(lǐng)域取得了越來越多令人驚嘆的成功應(yīng)用。
本書采用了淺顯易懂、簡潔明快的風(fēng)格來講解人工神經(jīng)網(wǎng)絡(luò)的原理性知識，其內(nèi)容涵蓋了生物神經(jīng)元的基礎(chǔ)知識、關(guān)鍵的數(shù)學(xué)知識點，以及多種常見而典型的人工神經(jīng)網(wǎng)絡(luò)模型，如感知器（Perceptron）、多層感知器（MLP）、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等。
本書旨在讓讀者在短時間內(nèi)對人工神經(jīng)網(wǎng)絡(luò)的工作原理有一個清晰明了的認(rèn)識和理解。本書只聚焦原理性知識的講解，不涉及編程實現(xiàn)，即使對程序編碼尚不熟悉的讀者也可以輕松閱讀理解。
江永紅博士，生于1965年，1981~1985年就讀于四川大學(xué)無線電電子學(xué)專業(yè)，獲學(xué)士學(xué)位；1985~1988年就讀于中國空間技術(shù)研究院通信與電子系統(tǒng)專業(yè)，獲碩士學(xué)位；1988~1992年就讀于西安電子科技大學(xué)通信與電子系統(tǒng)專業(yè)，獲博士學(xué)位，主要研究人工神經(jīng)網(wǎng)絡(luò)在模糊控制系統(tǒng)中的應(yīng)用；1992~1995年于華南理工大學(xué)進(jìn)行博士后研究工作，其間申請并主持了國家自然科學(xué)基金項目“基于神經(jīng)網(wǎng)絡(luò)的譜估計方法”。
20世紀(jì)90年代中后期，江永紅博士于新西蘭梅西大學(xué)開設(shè)并講授人工神經(jīng)網(wǎng)絡(luò)課程。20世紀(jì)90年代末期，入職華為技術(shù)有限公司，長期從事技術(shù)研發(fā)及培訓(xùn)工作，曾擔(dān)任華為HCIE面試主考官，以及華為ICT技術(shù)認(rèn)證系列書籍的審稿人。
在他編寫的《HCNA網(wǎng)絡(luò)技術(shù)學(xué)習(xí)指南》一書中，華為全球培訓(xùn)與認(rèn)證部部長這樣評價：“江永紅博士在華為工作近20年，現(xiàn)為華為技術(shù)專家，且之前于國內(nèi)外高校從事過多年的教學(xué)工作，對于知識的學(xué)習(xí)及傳授方法有著深刻的領(lǐng)悟……”
江永紅博士目前為YESLAB講師，專門致力于人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)原理及應(yīng)用的教學(xué)活動和知識普及工作。
第 1章 背景知識 1
1．1 什么是智能 / 1
1．2 大腦與神經(jīng)元 / 2
1．3 關(guān)于人工智能/機(jī)器學(xué)習(xí)/神經(jīng)網(wǎng)絡(luò)/深度學(xué)習(xí) / 7
第 2章 函數(shù) 10
2．1 函數(shù)的極限 / 10
2．2 函數(shù)的連續(xù)性 / 13
2．3 導(dǎo)數(shù) / 14
2．4 凹凸性與拐點 / 21
2．5 極值與駐點 / 23
2．6 曲率 / 25
2．7 二元函數(shù) / 27
第3章 梯度 34
3．1 矢量的概念 / 34
3．2 矢量的運(yùn)算 / 35
3．3 矢量與坐標(biāo) / 37
3．4 方向角與方向余弦 / 39
3．5 矢量的數(shù)量積 / 40
3．6 函數(shù)的梯度 / 42
第4章 矩陣 50
4．1 矩陣的概念及運(yùn)算 / 50
4．2 矩陣的初等變換 / 54
4．3 矢量的矩陣表示法 / 57
4．4 矩陣的秩 / 58
4．5 矩陣的逆 / 63
4．6 從標(biāo)量函數(shù)到矩陣函數(shù) / 69
第5章 MCP模型及感知器（Perceptron） 80
5．1 MCP模型 / 80
5．2 模式識別初探 / 84
5．3 感知器 / 88
5．4 凸集與單層感知器 / 94
5．5 XOR問題 / 98
第6章 多層感知器（MLP） 100
6．1 縱向串接 / 100
6．2 MLP的基本架構(gòu) / 102
6．3 BP算法 / 108
6．4 梯度下降法 / 120
6．5 極小值問題 / 121
6．6 學(xué)習(xí)率 / 123
6．7 批量訓(xùn)練 / 125
6．8 欠擬合與過擬合 / 127
6．9 容量 / 128
6．10 拓?fù)?/ 130
6．11 收斂曲線 / 132
6．12 訓(xùn)練樣本集 / 133
6．13 權(quán)值連接方式 / 135
第7章 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN） 137
7．1 插值的概念 / 137
7．2 RBF / 141
7．3 從精確插值到RBFNN / 148
7．4 Cover定理 / 151
7．5 空間分割問題 / 154
7．6 訓(xùn)練策略 / 156
第8章 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 157
8．1 卷積運(yùn)算與相關(guān)運(yùn)算 / 157
8．2 卷積核與特征映射圖 / 188
8．3 CNN的一般結(jié)構(gòu) / 195
8．4 三種思想 / 207
8．5 邊界策略 / 209
8．6 池化 / 211
8．7 CNN網(wǎng)絡(luò)實例 / 214
8．8 Hubel-Wiesel實驗 / 225
第9章 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 228
9．1 N-Gram模型 / 228
9．2 RNN示例 / 232
9．3 單向RNN / 237
9．4 BPTT算法 / 240
9．5 填空問題 / 255
9．6 雙向RNN / 263
9．7 梯度爆炸與梯度消失 / 265
9．8 LSTM / 269
結(jié)束語 278
書單推薦
