第1章 概述 1
1.1 引言 1
1.2 深度學(xué)習(xí)簡(jiǎn)介 4
1.3 深度學(xué)習(xí)發(fā)展簡(jiǎn)史 7
1.4 深度學(xué)習(xí)典型應(yīng)用 15
1.5 深度學(xué)習(xí)獲獎(jiǎng)?wù)撐?17
1.6 思考題 19
參考文獻(xiàn) 19
第2章 深度學(xué)習(xí)平臺(tái) 29
2.1 引言 29
2.2 基于MATLAB的深度學(xué)習(xí) 31
2.3 基于TensorFlow的深度學(xué)習(xí) 35
2.4 數(shù)據(jù)增廣 41
2.5 數(shù)學(xué)基礎(chǔ) 42
2.6 思考題 48
參考文獻(xiàn) 48
第3章 卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò) 51
3.1 卷積神經(jīng)網(wǎng)絡(luò) 51
3.1.1 R-CNN 53
3.1.2 Mask R-CNN 54
3.1.3 YOLO 55
3.1.4 SSD 57
3.1.5 DenseNet和ResNet 57
3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)和時(shí)間序列分析 58
3.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò) 59
3.2.2 時(shí)間序列分析 63
3.3 隱馬爾可夫模型 68
3.4 函數(shù)空間 70
3.5 向量空間 72
3.5.1 賦范空間 74
3.5.2 希爾伯特空間 75
3.6 思考題 79
參考文獻(xiàn) 79
第4章 自編碼器和生成對(duì)抗網(wǎng)絡(luò) 87
4.1 自編碼器 87
4.2 正則自編碼器 88
4.3 生成對(duì)抗網(wǎng)絡(luò) 91
4.4 信息論 95
4.5 思考題 100
參考文獻(xiàn) 101
第5章 強(qiáng)化學(xué)習(xí) 103
5.1 引言 103
5.2 貝爾曼方程 104
5.3 深度Q-學(xué)習(xí) 107
5.4 優(yōu)化 111
5.5 數(shù)據(jù)擬合 112
5.6 思考題 116
參考文獻(xiàn) 116
第6章 膠囊網(wǎng)絡(luò)與流形學(xué)習(xí) 119
6.1 膠囊網(wǎng)絡(luò) 119
6.2 流形學(xué)習(xí) 123
6.3 思考題 128
參考文獻(xiàn) 129
第7章 玻爾茲曼機(jī) 131
7.1 玻爾茲曼機(jī)概述 131
7.2 受限玻爾茲曼機(jī) 132
7.3 深度玻爾茲曼機(jī) 134
7.4 概率圖模型 136
7.5 思考題 142
參考文獻(xiàn) 142
第8章 遷移學(xué)習(xí)與集成學(xué)習(xí) 145
8.1 遷移學(xué)習(xí) 145
8.1.1 遷移學(xué)習(xí)的定義 145
8.1.2 Taskonomy 147
8.2 孿生網(wǎng)絡(luò) 148
8.3 集成學(xué)習(xí) 149
8.4 深度學(xué)習(xí)的重要工作 162
8.5 思考題 163
參考文獻(xiàn) 163
附錄A 術(shù)語(yǔ) 165