正版
深度学习通识教程
- 书名
- 深度学习通识教程
- 作者
- 焦李成 等 编著
- 出版社
- 人民邮电出版社
- 出版时间
- 2026-01-01
- ISBN
- 9787115691958
- 货号
- 1204338840
- 品相
- 全新
- 分类
- 当代·大学教材
- 书名
- 深度学习通识教程
- 作者
- 焦李成 等 编著
- 出版社
- 人民邮电出版社
- 出版时间
- 2026-01-01
- ISBN
- 9787115691958
- 货号
- 1204338840
- 品相
- 全新
- 分类
- 当代·大学教材
编辑推荐▼
『体系结构』:融汇经典与前沿,构建完备的知识体系。既注重SVM、K-Means等奠定深度学习基础的传统工具,又引入TransformerGPT-4等研究热点。
『内容创新』:在讲解概念和公式时力求“可感知、能理解”,为重要概念、公式推导与模型结构配备直观、说明性强的图表。
『案例特色』:每个基础概念讲解简单,例子通俗易懂,3-6章设置大型案例,把案例融入理论知识讲解过程中。
『其他特色』:理论实践并重,注重科研引导。贯通模型设计、训练调试、结果分析的全过程,力求做到“概念即项目,知识即工程”。
作者简介▼
焦李成,欧洲科学院外籍院士,现任西安电子科技大学华山学者杰出教授、人工智能研究院院长,教育部科学技术委员会学部委员,教育部人工智能科技创新专家组专家,国家级领军人才首批入选者,“一带一路”人工智能创新联盟理事长,中国人工智能学会第六届、第七届副理事长,亚洲认知计算学会主席。主要研究方向为智能感知与图像理解、深度学习与类脑计算、进化优化与遥感解译。曾获国家自然科学奖二等奖、吴文俊人工智能科学技术奖杰出贡献奖、霍英东教育基金会青年教师奖、全国模范教师荣誉称号、中国青年科技奖,以及省部级一等奖以上科技奖励十余项。
目录▼
第1章人工智能基础
1.1人工智能发展历程
1.2人工智能的三大学派
1.3机器学习原理及经典方法
1.3.1数据驱动范式
1.3.2机器学习经典方法
1.3.3监督学习与无监督学习
1.3.4迁移学习
1.3.5强化学习
1.4深度学习
本章小结
第2章深度学习预备知识
2.1数据预处理
2.2微积分
2.2.1导数和微分
2.2.2偏导数
2.2.3梯度
2.3线性代数
2.3.1向量及其运算
2.3.2矩阵及其运算
2.3.3范数
2.4概率论
2.4.1概率与随机变量
2.4.2期望、方差和协方差
2.4.3常见的概率分布
本章小结
第3章神经网络基础
3.1神经网络基本原理
3.1.1生物神经元
3.1.2人工神经元
3.1.3感知机
3.2神经网络组件
3.2.1卷积层
3.2.2池化层
3.2.3归一化层
3.2.4全连接层
3.2.5激活函数
3.2.6前向传播与网络初始化
3.2.7损失函数与代价函数
3.3神经网络优化方法
3.3.1反向传播算法
3.3.2优化算法
3.3.3正则化技术
3.4实践案例
本章小结
第4章卷积神经网络原理与实践
4.1卷积神经网络基础
……
文摘▼
本书共9章,系统梳理深度学习的基本原理、核心模型与前沿进展,兼顾理论知识与实践应用,面向有志进入人工智能领域的读者。第1章回顾人工智能发展历程,并介绍人工智能的三大学派等,引出深度学习。第2章涵盖数据预处理、微积分、线性代数、概率论等基础知识,为后续学习打下数学根基。第3章至第6章为本书核心内容,依次讲解神经网络基础、卷积神经网络原理与实践、循环神经网络原理与实践及图神经网络原理与实践,并结合经典模型与实践案例,帮助读者打通从原理到实战的学习路径。第7章聚焦经典注意力机制及Transformer,揭示其在深度学习模型结构中的关键地位。第8章介绍自编码器、GAN与扩散模型,展示生成式学习的发展。第9章分析前沿大模型,讨论GPT、视觉大模型、具身智能等热点,引导读者关注技术前沿。本书内容由浅入深,结构清晰,适用于人工智能、计算机相关专业的课程教学、自主学习与科研入门,是深度学习领域的理想入门教材。





