导语

  

内容提要

  

    金晟箭著的《深度学习--基于MATLAB的设计实例》从机器学习的基本原理开始讲解，然后是神经网络、深度学习，最后讲解卷积神经网络。本书在讲解原理的基础上，以MATLAB为开发工具和编程语言，将深度学习所涉及的原理均用MATLAB进行仿真实践，并将书中所有实例以MATLAB为底层编程语言进行编程和讲解。
    通过本书的阅读，读者可以学会神经网络和多层神经网络的原理，卷积和池化的含义，并可利用MATLAB进行深度学习的研究和开发。
    本书可用作高等院校人工智能课程或工程师培训的教材，也可供从事人工智能等领域研究和应用的开发人员使用。

第1章  机器学习
  1.1  机器学习与深度学习
  1.2  什么是机器学习
  1.3  机器学习的挑战
  1.4  过拟合
  1.5  直面过拟合
  1.6  机器学习的类型
  1.7  分类和回归
  1.8  总结
第2章  神经网络
  2.1  概述
  2.2  神经网络节点
  2.3  多层神经网络
  2.4  神经网络的监督学习
  2.5  单层神经网络训练：增量规则
  2.6  广义增量规则
  2.7  随机梯度下降算法、批量算法和小批量算法
    2.7.1  随机梯度下降算法
    2.7.2  批量算法
    2.7.3  小批量算法
  2.8  示例：增量规则
    2.8.1  随机梯度下降算法的实现
    2.8.2  批量算法的实现
    2.8.3  随机梯度下降算法与批量算法的比较
  2.9  单层神经网络的局限性
  2.10  总结
第3章  训练多层神经网络
  3.1  概述
  3.2  反向传播算法
  3.3  示例
    3.3.1  XOR问题
    3.3.2  动量法(Momentum)
  3.4  代价函数和学习规则
  3.5  示例
    3.5.1  交叉熵函数
    3.5.2  代价函数的比较
  3.6  总结
第4章  神经网络及其分类
  4.1  概述
  4.2  二分类
  4.3  多分类
  4.4  示例：多分类
  4.5  总结
第5章  深度学习
  5.1  概述
  5.2  深度神经网络的进化
    5.2.1  梯度消失
    5.2.2  过拟合
    5.2.3  计算量的增加
  5.3  示例
    5.3.1  ReLU函数
    5.3.2  节点丢弃
  5.4  总结
第6章  卷积神经网络
  6.1  概述
  6.2  卷积神经网络的架构
  6.3  卷积层
  6.4  池化层
  6.5  示例：MNIST
  6.6  总结
索引