實用MATLAB深度學習：基于項目的方法 ( 簡體 字) |
| 作者：(美)邁克爾·帕拉斯澤克(Michael Paluszek),(美)斯蒂芬妮·托馬斯(Stephanie Thomas) 著 | 類別：1. -> 工程繪圖與工程計算 -> Matlab
2. -> 程式設計 -> 深度學習 |
| 譯者：羅俊海 譯 |
| 出版社：清華大學出版社 |  3dWoo書號： 54299
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：2/1/2021 |
| 頁數：236 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302567646 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：
譯者序
人工智能包羅萬象，包括場景理解、知識表達、融合決策、智能優化、預測規劃、數據挖掘、自然語言處理、機器學習、計算機視覺、邏輯判別、模糊控制和信息物理系統等。《實用MATLAB深度學習——基于項目的方法》由全球知名的兩位專家Michael Paluszek和Stephanie Thomas撰寫，是深度學習領域基于實際項目的暢銷教材。本書出版后，好評如潮，得到相關領域內眾多學者和工程師的廣泛關注。本書內容翔實，邏輯清晰，圖文并茂，是一本不可多得的人工智能教科書。
本書完整展示了多種深度神經網絡（FNN、CNN、RNN等）在一系列分類和回歸問題中的應用，有助于讀者認識不同神經網絡的結構特點和適用性； 圖文并茂地描述特定工程領域的數學建模和理論推導過程，幫助讀者理解工程問題和對應仿真代碼； 詳述不同應用場景的數據生成過程，包括特征字段的選擇和賦值，有助于啟發工程師創建多樣的數據以驗證模型性能。
本書理論聯系實際展示了深度學習工具解決實際問題的能力，使用MATLAB機器學習工具箱進行深度學習技術實踐，并應用于多樣的應用領域。本書適合各類讀者閱讀，特別適合相關專業的本科生或研究生，以及在實際產品或平臺中進行深度學習應用和開發的工程師。
在這里，要感謝清華大學出版社的領導和編輯們，特別感謝文怡對我的信任和理解，把這樣一本好書交給我翻譯。我也要特別感謝我的研究生吳蔓、陳燕平、楊陽、王芝燕、田雨鑫、陳瑜等的辛勤工作，他們的責任心和獨立工作能力讓我倍感欣慰，因此得以從容。
由于譯者無論是中文還是英語能力都深感有限，見聞淺薄，唯恐譯文還是有些生硬，特別擔心未能全面地理解和傳達作者的真實想法和觀點。因此，我們希望具有條件的讀者結合英文閱讀本書，也非常期待大家批評指正，以便今后進一步修訂完善譯著，不勝感激。
2020年，這一年，四季輪回，一起拼過的春夏秋冬，仿佛就在眼前，感恩時光厚愛，熱愛漫無邊際。
譯者
2020年12月
|
內容簡介：本書從深度學習基礎理論和MATLAB機器學習工具箱開始，由淺入深地介紹主流深度學習技術在多個特定工程領域的技術實踐。在廣泛的場景中為讀者提供有價值的理論建模、數據生成以及網絡結構設計的方法與技術，這些知識將帶領讀者探尋深度學習技術的本質，并教會讀者適當地使用這類技術解決自己的研究問題。
本書結合作者多年從事MATLAB商用工具箱設計的豐富經驗，專門針對從事實際工作的工程師撰寫，覆蓋深度學習的技術細節，告訴我們深度學習集技術、科學和藝術于一體，涉及統計、矩陣、算法、優化、編程、分布式計算和安全等多個領域。本書出版后，好評如潮，獲得相關領域內眾多學者和工程師的關注。 |
目錄：第1章什么是深度學習
1.1深度學習
1.2深度學習的歷史
1.3神經網絡
1.3.1日光檢測器
1.3.2“異或”神經網絡
1.4深度學習與數據
1.5深度學習的類型
1.5.1多層神經網絡
1.5.2卷積神經網絡(CNN)
1.5.3循環神經網絡(RNN)
1.5.4長短期記憶網絡(LSTM)
1.5.5遞歸神經網絡
1.5.6時間卷積機(TCM)
1.5.7堆疊自動編碼器
1.5.8極限學習機(ELM)
1.5.9遞歸深度學習
1.5.10生成式深度學習
1.6深度學習的應用
1.7本書的組成架構
第2章MATLAB機器學習工具箱
2.1商業MATLAB軟件
2.2MATLAB開源工具
2.2.1深度學習工具箱
2.2.2深度神經網絡
2.2.3MatConvNet
2.2.4模式識別和機器學習工具箱(PRMLT)
2.3XOR示例
2.4訓練
2.5策梅洛問題
第3章利用深度學習尋找圓形
3.1引言
3.2結構
3.2.1圖像輸入層
3.2.2二維卷積層
3.2.3批標準化層
3.2.4激活函數層
3.2.5二維最大池化層
3.2.6全連接層
3.2.7softmax層
3.2.8分類層
3.2.9將層結構化
3.3生成數據:橢圓和圓
3.3.1問題
3.3.2解決方案
3.3.3運行過程
3.4訓練和測試
3.4.1問題
3.4.2解決方案
3.4.3運行過程
第4章電影分類
4.1引言
4.2生成電影數據庫
4.2.1問題
4.2.2解決方案
4.2.3運行過程
4.3生成觀影者數據庫
4.3.1問題
4.3.2解決方案
4.3.3運行過程
4.4訓練和測試
4.4.1問題
4.4.2解決方案
4.4.3運行過程
第5章深度學習算法
5.1構建檢測過濾器
5.1.1問題
5.1.2解決方案
5.1.3運行過程
5.2模擬故障檢測
5.2.1問題
5.2.2解決方案
5.2.3運行過程
5.3訓練和測試
5.3.1問題
5.3.2解決方案
5.3.3運行過程
第6章托卡馬克中斷檢測
6.1引言
6.2數值模型
6.2.1動力學
6.2.2傳感器
6.2.3擾動
6.2.4控制器
6.3動力學模型
6.3.1問題
6.3.2解決方案
6.3.3運行過程
6.4等離子體仿真
6.4.1問題
6.4.2解決方案
6.4.3運行過程
6.5等離子體控制
6.5.1問題
6.5.2解決方案
6.5.3運行過程
6.6訓練和測試
6.6.1問題
6.6.2解決辦法
6.6.3運行過程
第7章分類芭蕾舞者的足尖旋轉動作
7.1引言
7.1.1慣性測量單元
7.1.2物理原理
7.2數據獲取
7.2.1問題
7.2.2解決方案
7.2.3運行過程
7.3定向
7.3.1問題
7.3.2解決方案
7.3.3運行過程
7.4舞者仿真
7.4.1問題
7.4.2解決方案
7.4.3運行過程
7.5實時繪制
7.5.1問題
7.5.2解決方案
7.5.3運行過程
7.6四元數顯示
7.6.1問題
7.6.2解決方案
7.6.3運行過程
7.7獲取數據的圖形用戶界面
7.7.1問題
7.7.2解決方案
7.7.3運行過程
7.8制作IMU腰帶
7.8.1問題
7.8.2解決方案
7.8.3運行過程
7.9測試系統
7.9.1問題
7.9.2解決方案
7.9.3運行過程
7.10分類足尖旋轉動作
7.10.1問題
7.10.2解決方案
7.10.3運行過程
7.11硬件資源
第8章補全句子
8.1引言
8.1.1句子的補全
8.1.2語法
8.1.3通過模式識別實現句子補全
8.1.4生成句子
8.2生成句子數據庫
8.2.1問題
8.2.2解決方案
8.2.3運行過程
8.3創建一個數字字典
8.3.1問題
8.3.2解決方案
8.3.3運行過程
8.4把句子映射為數字
8.4.1問題
8.4.2解決方案
8.4.3運行過程
8.5轉換句子
8.5.1問題
8.5.2解決方案
8.5.3運行過程
8.6訓練與測試
8.6.1問題
8.6.2解決方案
8.6.3運行過程
第9章基于地形的導航
9.1引言
9.2對飛行器建模
9.2.1問題
9.2.2解決方案
9.2.3運行過程
9.3生成一個地形模型
9.3.1問題
9.3.2解決方案
9.3.3運行過程
9.4拼合地形
9.4.1問題
9.4.2解決方案
9.4.3運行過程
9.5建立相機模型
9.5.1問題
9.5.2解決方案
9.5.3運行過程
9.6在地形圖上繪制航跡
9.6.1問題
9.6.2解決方案
9.6.3運行過程
9.7創建測試圖片
9.7.1問題
9.7.2解決方案
9.7.3運行過程
9.8訓練和測試
9.8.1問題
9.8.2解決方案
9.8.3運行過程
9.9仿真
9.9.1問題
9.9.2解決方案
9.9.3運行過程
第10章股票預測
10.1引言
10.2生成一個股票市場
10.2.1問題
10.2.2解決方案
10.2.3運行過程
10.3創建一個股票市場
10.3.1問題
10.3.2解決方案
10.3.3運行過程
10.4訓練和測試
10.4.1問題
10.4.2解決方案
10.4.3運行過程
第11章圖像分類
11.1引言
11.2使用預訓練網絡
11.2.1問題
11.2.2解決方案
11.2.3運行過程
第12章軌道測定
12.1引言
12.2生成軌道
12.2.1問題
12.2.2解決方案
12.2.3運行過程
12.3訓練和測試
12.3.1問題
12.3.2解決方案
12.3.3運行過程
12.4實現一個LSTM網絡
12.4.1問題
12.4.2解決方案
12.4.3運行過程
12.5圓錐截面
參考文獻
中英文術語對照表 |
| 序： |
