深度学习导论及案例分析 高清pdf扫描版[79MB]

《深度学习导论及案例分析》不仅介绍了深度学习的起源和发展、强调了深层网络的特点和优势，说明了判别模型和生成模型的相关概念，还详述了深度学习的9种重要模型及其学习算法、变种模型和混杂模型，包括受限玻耳兹曼机、自编码器、深层信念网络、深层玻耳兹曼机、和积网络、卷积神经网络、深层堆叠网络、循环神经网络和长短时记忆网络，以及它们在图像处理、语音处理和自然语言处理等领域的广泛应用。同时分析了一系列深度学习的基本案例。

本书每个案例包括模块简介、运行过程、代码分析和使用技巧4个部分，层次结构清晰，利于读者的选择和学习并在应用中拓展思路。涉及的编程语言有3种：Matlab、Python和C++。其中，很多深度学习程序是用Matlab编写的，可以直接运行；如果使用Python语言编写深度学习程序，则可以调用Theano开源库；若使用C++语言，则可以调用Caffe开源库。

本书可以作为计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者在具备神经网络基础知识后进一步了解深度学习理论和方法的入门教材或导论性参考书，有助于读者掌握深度学习的主要内容并开展相关研究。

目录

第一部分 基础理论
第1章概述 2
第2章预备知识 9
第3章受限玻耳兹曼机 38
第4章 自编码器 48
第5章深层信念网络 57
第6章深层玻耳兹曼机 64
第7章和积网络 72
第8章卷积神经网络 78
第9章深层堆叠网络 一86
第10章循环神经网络 89
第11章长短时记忆网络 94
第12章深度学习的混合模型、
第13章深度学习的总结、
第二部分案例分析
第14章实验背景 一118
第15章 自编码器降维案例 一121
第16章深层感知器识别案例 139
第17章深层信念网络生成
第18章深层信念网络分类案例163
第19章深层玻耳兹曼机识别案例202
第20章卷积神经网络识别案例221
第21章循环神经网络填充案例236
第22章长短时忆网络分类案例245