封面
版权信息
作者简介
前言
第1章 初识深度学习
1.1 深度学习有多深
1.2 深度学习如何学
1.3 深度学习如何提速
1.4 主流深度学习框架
1.5 本书内容与体系结构
第2章 人工神经网络
2.1 神经网络演进
2.2 神经网络训练与预测
2.3 优化算法
2.4 计算图
2.5 正则化惩罚项
2.6 神经网络BP算法
2.7 过拟合与欠拟合
2.8 实例1：基于前馈神经网络的动量盲均衡算法
第3章 模糊神经网络
3.1 隶属函数
3.2 常规模糊神经网络
3.3 模糊联想记忆神经网络
3.4 神经模糊推理系统
3.5 神经网络近似逻辑
3.6 实例2：基于智能模糊神经网络的导弹防御系统未知飞行目标识别方法
第4章 概率神经网络
4.1 模式分类的贝叶斯判定策略
4.2 密度估计的一致性
4.3 概率神经网络
4.4 贝叶斯阴阳系统理论
4.5 实例3：基于离散余弦变换和概率神经网络的脑肿瘤分类方法
第5章 小波神经网络
5.1 小波理论
5.2 小波神经网络
5.3 小波神经网络训练架构
5.4 小波神经网络优化方法
5.5 实例4：基于嵌入小波神经网络的常模盲均衡算法
第6章 卷积神经网络
6.1 卷积神经网络结构
6.2 卷积神经网络
6.3 卷积操作的变种
6.4 池化操作的变种
6.5 常见的几种卷积神经网络结构
6.6 几种拓展的卷积神经网络结构
6.7 实例5：基于深度卷积神经网络的遥感图像分类
6.8 实例6：基于深度卷积神经网络的运动模糊去除
第7章 深度生成对抗网络
7.1 生成对抗网络原理
7.2 条件生成对抗网络
7.3 小波生成对抗网络
7.4 多尺度生成对抗网络
7.5 实例7：基于条件生成对抗网络的三维肝脏及肿瘤区域自动分割
7.6 实例8：基于深度残差生成对抗网络的运动模糊图像复原
第8章 深度受限玻尔兹曼机
8.1 玻尔兹曼机
8.2 稀疏受限玻尔兹曼机及竞争学习
8.3 分类受限玻尔兹曼机与改进模型
8.4（2D）2PCA受限玻尔兹曼机
8.5 实例9：受限玻尔兹曼机的步态特征提取及其识别
第9章 深度信念网络
9.1 深度信念网络概述
9.2 Gamma深度信念网络
9.3 自适应深度信念网络
9.4 KPCA深度信念网络
9.5 全参数动态学习深度信念网络
9.6 深度信念网络优化
9.7 实例10：基于贪婪方法的深度信念网络诊断注意缺陷多动障碍
第10章 深度自编码器
10.1 自编码器
10.2 稀疏自适应编码器
10.3 变分自编码器
10.4 自编码回声状态网络
10.5 深度典型相关稀疏自编码器
10.6 条件双重对抗自编码网络
10.7 自编码应用模型
10.8 实例11：基于改进LDA和自编码器的调制识别算法
参考文献
本书特点
文后内容
更新时间：2022-11-23 16:47:42
完结共80章
倒序