內容簡介
為了適應和持續推動人工智能學科和多學科交叉領域的新發展,本書遵循“理論化—典型化—應用化”的思路,秉持以理論學習和工程應用為主要背景論述深度學習基礎理論、方法和應用的宗旨,結合團隊多年領域研究和課堂教學實踐,從深度神經網絡的核心結構和原理出發,闡述了典型神經網絡及其實際應用。
全書分為四部分,共16章。其中,深度學習理論概述部分(第1章)分析了人工智能的歷史、發展與現狀;深度學習模型基礎部分(第2~8章)從神經網絡的基礎出發,討論了人工神經網絡的結構、原理、性質與典型應用,並依序詳細回顧了反向傳播算法、卷積神經網絡、自編碼網絡、Hopfield神經網絡、循環神經網絡等幾類基本網絡的功能、結構、算法與典型應用; 深度學習進階部分(第9~14章)分別對殘差網絡、生成式對抗網絡、深度強化學習、圖神經網絡、多尺度深度幾何網絡、Transformer網絡進行了介紹;
深度學習實戰和展望部分(第15和16章)簡述了幾種深度學習實驗平臺、工具的實例與方法,並在深度學習、總結與展望中對深度學習的發展歷程進行了回顧,展望了深度學習未來的發展方向。
本書可用於人工智能、智能科學與技術、大數據科學與技術、智能機器人、電子科學與技術、人工智能技術服務等領域相關專業本科生或研究生的實踐教學,也可供相關專業技術人員參考。