深度学习导论及案例分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

深度学习导论及案例分析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

第一部分 基础理论2

第1章 概述2

1.1 深度学习的起源和发展2

1.2 深层网络的特点和优势4

1.3 深度学习的模型和算法7

第2章 预备知识9

2.1 矩阵运算9

2.2 概率论的基本概念11

2.2.1 概率的定义和性质11

2.2.2 随机变量和概率密度函数12

2.2.3 期望和方差13

2.3 信息论的基本概念14

2.4 概率图模型的基本概念15

2.5 概率有向图模型16

2.6 概率无向图模型20

2.7 部分有向无圈图模型22

2.8 条件随机场24

2.9 马尔可夫链26

2.10 概率图模型的学习28

2.11 概率图模型的推理29

2.12 马尔可夫链蒙特卡罗方法31

2.13 玻耳兹曼机的学习32

2.14 通用反向传播算法35

2.15 通用逼近定理37

第3章 受限玻耳兹曼机38

3.1 受限玻耳兹曼机的标准模型38

3.2 受限玻耳兹曼机的学习算法40

3.3 受限玻耳兹曼机的变种模型44

第4章 自编码器48

4.1 自编码器的标准模型48

4.2 自编码器的学习算法50

4.3 自编码器的变种模型53

第5章 深层信念网络57

5.1 深层信念网络的标准模型57

5.2 深层信念网络的生成学习算法60

5.3 深层信念网络的判别学习算法62

5.4 深层信念网络的变种模型63

第6章 深层玻耳兹曼机64

6.1 深层玻耳兹曼机的标准模型64

6.2 深层玻耳兹曼机的生成学习算法65

6.3 深层玻耳兹曼机的判别学习算法69

6.4 深层玻耳兹曼机的变种模型69

第7章 和积网络72

7.1 和积网络的标准模型72

7.2 和积网络的学习算法74

7.3 和积网络的变种模型77

第8章 卷积神经网络78

8.1 卷积神经网络的标准模型78

8.2 卷积神经网络的学习算法81

8.3 卷积神经网络的变种模型83

第9章 深层堆叠网络86

9.1 深层堆叠网络的标准模型86

9.2 深层堆叠网络的学习算法87

9.3 深层堆叠网络的变种模型88

第10章 循环神经网络89

10.1 循环神经网络的标准模型89

10.2 循环神经网络的学习算法91

10.3 循环神经网络的变种模型92

第11章 长短时记忆网络94

11.1 长短时记忆网络的标准模型94

11.2 长短时记忆网络的学习算法96

11.3 长短时记忆网络的变种模型98

第12章 深度学习的混合模型、广泛应用和开发工具102

12.1 深度学习的混合模型102

12.2 深度学习的广泛应用104

12.2.1 图像和视频处理104

12.2.2 语音和音频处理106

12.2.3 自然语言处理108

12.2.4 其他应用109

12.3 深度学习的开发工具110

第13章 深度学习的总结、批评和展望114

第二部分 案例分析118

第14章 实验背景118

14.1 运行环境118

14.2 实验数据118

14.3 代码工具120

第15章 自编码器降维案例121

15.1 自编码器降维程序的模块简介121

15.2 自编码器降维程序的运行过程122

15.3 自编码器降维程序的代码分析127

15.3.1 关键模块或函数的主要功能127

15.3.2 主要代码分析及注释128

15.4 自编码器降维程序的使用技巧138

第16章 深层感知器识别案例139

16.1 深层感知器识别程序的模块简介139

16.2 深层感知器识别程序的运行过程140

16.3 深层感知器识别程序的代码分析143

16.3.1 关键模块或函数的主要功能143

16.3.2 主要代码分析及注释143

16.4 深层感知器识别程序的使用技巧148

第17章 深层信念网络生成案例149

17.1 深层信念网络生成程序的模块简介149

17.2 深层信念网络生成程序的运行过程150

17.3 深层信念网络生成程序的代码分析153

17.3.1 关键模块或函数的主要功能153

17.3.2 主要代码分析及注释153

17.4 深层信念网络生成程序的使用技巧162

第18章 深层信念网络分类案例163

18.1 深层信念网络分类程序的模块简介163

18.2 深层信念网络分类程序的运行过程165

18.3 深层信念网络分类程序的代码分析169

18.3.1 关键模块或函数的主要功能169

18.3.2 主要代码分析及注释170

18.4 深层信念网络分类程序的使用技巧201

第19章 深层玻耳兹曼机识别案例202

19.1 深层玻耳兹曼机识别程序的模块简介202

19.2 深层玻耳兹曼机识别程序的运行过程203

19.3 深层玻耳兹曼机识别程序的代码分析206

19.3.1 关键模块或函数的主要功能206

19.3.2 主要代码分析及注释206

19.4 深层玻耳兹曼机识别程序的使用技巧220

第20章 卷积神经网络识别案例221

20.1 DeepLearnToolbox程序的模块简介221

20.2 DeepLearnToolbox程序的运行过程221

20.3 DeepLearnToolbox程序的代码分析223

20.3.1 关键函数的主要功能223

20.3.2 主要代码分析及注释223

20.4 DeepLearnToolbox程序的使用技巧227

20.5 Caffe程序的模块简介227

20.6 Caffe程序的运行过程228

20.7 Caffe程序的代码分析230

20.7.1 关键函数的主要功能230

20.7.2 主要代码分析及注释231

20.8 Caffe程序的使用技巧235

第21章 循环神经网络填充案例236

21.1 槽值填充的含义236

21.2 循环神经网络填充程序的模块简介236

21.3 循环神经网络填充程序的运行过程237

21.4 循环神经网络填充程序的代码分析238

21.4.1 关键函数的主要功能238

21.4.2 主要代码分析及注释238

21.5 循环神经网络填充程序的使用技巧244

第22章 长短时记忆网络分类案例245

22.1 长短时记忆网络分类程序的模块简介245

22.2 长短时记忆网络分类程序的运行过程246

22.3 长短时记忆网络分类程序的代码分析247

22.3.1 关键模块或函数的主要功能247

22.3.2 主要代码分析及注释247

22.4 长短时记忆网络分类程序的使用技巧262

附录1 Caffe在Windows上的安装过程263

附录2 Theano的安装过程267

参考文献269