作品简介
"本书一部从深度学习原理、算法和工程实践三个维度阐述信号处理的著作。涉及人工神经网络、卷积神经网络、生成对抗网络、长短时间记忆网络、深度自编码器及循环神经网络等模型在图像处理、信号识别及波达估计等领域的应用。利用大量实例代码对网络模型进行分析，这些案例架起了深度学习原理与应用间的桥梁，有利于加深读者对网络模型的认识，有利于读者全面深入系统地了解深度学习的算法原理、核心思想和应用技巧，达到学以致用的目的。 本书适用于从事大数据及机器学习领域工作，对人工智能和深度学习感兴趣的各类读者。"
出版社清华大学出版社
出版时间2025-04-01
ISBN9787302683018
共 22 章
内容简介试读
作者简介试读
前言试读
微课视频清单试读
本书导读试读
第一篇 深度学习基础篇试读
第1章 深度学习概述试读
第2章 深度学习的数学与优化基础
第二篇 神经网络篇
第3章 人工神经网络
第4章 Hopfield神经网络
第5章 脉冲耦合神经网络
第三篇 卷积神经网络篇
第6章 深度卷积神经网络
第7章 混合空洞卷积神经网络
第8章 深度生成对抗与强化学习网络
第四篇 循环递归神经网络篇
第9章 循环神经网络
第10章 深度递归级联卷积神经网络
第11章 长短期记忆神经网络
附录
参考文献