深度學習經典案例解析（基於MATLAB）

購買商店

深度學習經典案例解析（基於MATLAB）

$594.00

馬上購買

內容描述

《深度學習經典案例解析（基於MATLAB）》分為“基礎篇”“應用篇”和“實戰篇”。
通過17個案例循序漸進地介紹了深度學習網絡的構建、訓練、應用，
以及如何基於MATLAB快速生成可執行的C、C++代碼並在硬件上部署實現，內容講解由淺及深、層層遞進。
　　
《深度學習經典案例解析（基於MATLAB）》所講解的案例均配有代碼實現，並對代碼進行了詳細註解，
讀者可通過閱讀代碼對《深度學習經典案例解析（基於MATLAB）》講解的內容進行更加深入的了解。
　　
《深度學習經典案例解析（基於MATLAB）》適合對人工智能、深度學習技術感興趣的工程技術人員閱讀，
也適合人工智能、計算機科學技術相關專業的本科生、研究生學習參考。

目錄大綱

前言 
基礎篇 
案例1 巧婦難為無米之炊：數據集的製作與加載 
1．1 機器學習中的數據集 
1．2 如何加載MATLAB自帶的數據集 
1．3 如何加載自己製作的數據集 
1．4 如何加載公開數據集：以CIFAR-10為例 
1．5 如何劃分訓練集與驗證集 
1．6 如何擴充數據樣本集 
案例2 小試牛刀：如何構建一個卷積神經網絡 
2．1 CNN的核心——“卷積” 
2．2 卷積神經網絡的結構及原理 
2．3 從仿生角度看卷積神經網絡 
2．4 基於深度學習工具箱函數構造卷積神經網絡 
2．5 採用DeepNetworkDesigner實現卷積網絡設計 
2．6 其他與構建深度網絡相關的函數 
案例3 精雕細琢：如何訓練一個卷積神經網紹 
3．1 基本概念一點通 
3．2 實例需求與實現步驟 
3．3 構建卷積神經網絡 
3．4 訓練卷積神經網絡 
3．5 例程實現與解析 
應用篇 
案例4 LeNet卷積神經網絡的應用：紅綠燈識別 
4．1 LeNet卷積神經網絡 
4．2 基於改進LeNet的交通燈識別 
4．3 例程實現與解析 
案例5 AlexNet卷積神經網絡的應用：基於遷移學習的圖像分類 
5．1 什麼是遷移學習 
5．2 從不同的角度看遷移學習 
5．3 AlexNet網絡的原理 
5．4 基於AlexNet實現遷移學習的步驟 
5．5 AlexNet的加載方法 
5．6 如何對AlexNet進行改進以實現遷移學習 
5．7 本節所用到的函數解析 
5．8 例程實現與解析 
5．9 採用DeepNetworkDesigner輔助實現遷移學習 
案例6 VGG16卷積神經網絡的應用：融合卷積神經網絡與支持向量機的物體識別 
…… 
實戰篇 
參考文獻

作者介紹

趙小川
博士，研究員，博士生導師，高新技術企業評審專家、武警裝備智能化專家委員會委員：
北京市科學技術委員會、自然科學基金委員會、陸軍裝備部項目評審專家：
核心期刊《計算機工程》青年編委：
擔任期刊Robotica和《計算機應用研究》的審稿專家。
　　
研究方向為人工智能技術，在感知智能、交互智能、仿生智能等方面有所突破和創新：
近年來，作為項目負責人主持科研項目共計20餘項：
作為首發明人先後獲得國家發明專利12項。