普通高等教育新工科人才培养规划教材 大数据专业 深度学习 卷积神经网络算法原理与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

普通高等教育新工科人才培养规划教材 大数据专业 深度学习 卷积神经网络算法原理与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1深度学习1

1.1.1概述1

1.1.2基本思想2

1.1.3基本分类2

1.2卷积神经网络技术的发展与应用4

1.2.1卷积神经网络的发展4

1.2.2卷积神经网络的应用5

1.3自编码器的发展及其应用5

1.3.1自编码器的发展5

1.3.2自编码器的应用5

第2章 相关数学基础知识7

2.1矩阵7

2.1.1基本概念7

2.1.2矩阵运算8

2.2范数11

2.2.1范数的定义11

2.2.2范数的分类及性质11

2.3卷积运算13

2.3.1定义13

2.3.2多维数组的卷积14

2.4激活函数15

2.4.1线性激活函数15

2.4.2非线性激活函数16

2.5信息熵24

2.5.1定义24

2.5.2条件熵25

2.5.3相对熵26

2.5.4交叉熵26

习题27

第3章 神经网络28

3.1人工神经网络28

3.1.1人工神经元模型28

3.1.2人工神经网络结构29

3.2 BP神经网络30

3.2.1原理30

3.2.2网络结构31

3.2.3 BP神经算法原理32

3.2.4信号传递过程的实现34

3.2.5算法分析35

习题36

第4章 卷积神经网络37

4.1原理37

4.1.1动机37

4.1.2卷积神经网络特点37

4.2 LeNet-538

4.2.1网络总体结构38

4.2.2分层结构39

4.3反向传播43

4.3.1全连接的反向过程43

4.3.2卷积的反向过程43

4.3.3池化的反向过程46

4.3.4输出层反向传播47

4.3.5权值更新48

习题49

第5章 卷积神经网络扩展机制50

5.1注意力机制50

5.1.1注意机制的分类50

5.1.2深度学习中的注意机制51

5.2卷积变体53

5.2.1组卷积53

5.2.2深度可分离卷积55

5.2.3膨胀卷积56

5.2.4全卷积网络57

习题59

第6章 自编码器网络60

6.1相关概念60

6.1.1稀疏性60

6.1.2稀疏编码60

6.2自编码器概述61

6.3自编码器原理62

6.4自编码器的拓展网络65

6.4.1稀疏自编码65

6.4.2栈式自编码67

6.4.3去噪自编码69

6.4.4压缩自编码70

6.5自编码器的编程实现72

习题72

第7章 卷积神经网络的优化73

7.1正则化与归一化73

7.1.1概念73

7.1.2参数范数惩罚74

7.1.3 Dropout75

7.1.4归一化77

7.2基于梯度的优化方法78

7.2.1基本算法79

7.2.2自适应学习率算法84

习题87

第8章 卷积神经网络的典型结构88

8.1概述88

8.2 AlexNet网络88

8.2.1 AlexNet基本框架88

8.2.2 AlexNet数据处理89

8.3 GoogLenet网络93

8.3.1背景93

8.3.2 Inception V 193

8.3.3 Inception V2与V394

8.3.4 Inception V495

8.3.5 Xception96

8.4 ResNet网络结构97

8.4.1 ResNet网络97

8.4.2 ResNeXt98

8.5 ShuffleNet网络结构100

8.5.1网络简介100

8.5.2模型结构100

8.5.3 ShuffleNet V2102

8.6 DenseNet网络结构102

8.6.1 Dense block103

8.6.2整体结构103

8.7数据集介绍104

8.7.1图像分类数据集104

8.7.2语义分割数据集109

第9章 卷积神经网络的压缩112

9.1核的稀疏化112

9.2剪枝113

9.2.1剪枝的概念113

9.2.2剪枝的类型113

9.3模型量化114

9.3.1量化转换114

9.3.2向量化115

9.4模型蒸馏116

参考文献119

附录125

BP神经网络实现人脸识别程序125

自编码器程序129

AlexNet程序130

GoogLeNet程序133

ResNeXt程序136

DenseNet程序141