深度學習：基于Matlab的設計實例

　　深度學習：基于Matlab的設計實例 本書共包含6章內容，可以分為3個主題。書中例子均用MATLAB編寫而成。 第1個主題是機器學習。深度學習起源于機器學習，這意味著如果想要理解深度學習的本質，就必須在某種程度上知道機器學習背后的理念。第1章從機器學習與深度學習的關系開始講起，隨后是解決問題的策略和機器學習的基本局限性。 第2個主題是人工神經(jīng)網(wǎng)絡這是第2~4章的重點內容。由于深度學習就是采用一種神經(jīng)網(wǎng)絡的機器學習，所以不能將神經(jīng)網(wǎng)絡與深度學習分開。第2章從神經(jīng)網(wǎng)絡的基本概念講起：它的工作原理、體系結構和學習規(guī)則，也講到了神經(jīng)網(wǎng)絡由簡單的單層結構演化為復雜的多層結構的原因。第3章介紹了反向傳播算法，它是神經(jīng)網(wǎng)絡中一種重要和典型的學習規(guī)則，深度學習也使用這種算法。本章解釋了代價函數(shù)和學習規(guī)則是如何聯(lián)系起來的，哪一種代價函數(shù)在深度學習中被廣泛使用。第4章介紹了將神經(jīng)網(wǎng)絡應用到分類問題中的方法。其中單列一節(jié)專門講分類，因為它是目前流行的一種深度學習應用。例如圖像識別是一個分類問題，也是深度學習的一種主要應用。 第3個主題是深度學習，也是本書的重點，將在第5章和第6章中講解。第5章介紹了使深度學習能夠產(chǎn)生卓越性能的驅動因素。第6章講解了卷積神經(jīng)網(wǎng)絡，本章首先介紹了卷積神經(jīng)網(wǎng)絡的基本概念和結構，并與前面的圖像識別算法進行了比較;隨后解釋了卷積層和池化層的作用和運算方法，它們是卷積神經(jīng)網(wǎng)絡的重要組成部分。第6章也包含了一個用卷積神經(jīng)網(wǎng)絡進行數(shù)字圖像識別的例子，并研究了圖像通過各層的演化過程。

　　Phil Kim，博士，從事無人駕駛飛機自主飛行算法和機載軟件的開發(fā)和研制工作。同時，他作為一名經(jīng)驗豐富的MATLAB程序員，一直致力于使用MATLAB進行人工智能、深度學習的大數(shù)據(jù)集繪制和分析算法的研究，先后在美國出版了MATLAB Deep Learning： with Machine Learning， Neural Networks and Artificial Intelligence和Deep Learning for Beginners： with MATLAB Examples 等書籍，在人工智能和MATLAB領域享有較高聲譽。 譯者簡介 鄒偉，副研究員，北京?？桶羁萍加邢薰綜EO，并成立了中科院鄒博人工智能研究中心（杭州站）等產(chǎn)研機構；研究方向為機器學習、數(shù)據(jù)挖掘、計算幾何等領域，研究成果已成功應用于大型氣象設備的圖像與文本挖掘、金融產(chǎn)品AI化、股票交易與預測、高速公路流量預測和分析、傳統(tǒng)農(nóng)資產(chǎn)品價格預測和決策等領域；獲得發(fā)明專利4項，著作權3個。