编辑推荐
《深度学习理论与实践》理论联系实际，对教学、科研具有重要指导意义，可作为高等院校和科研机构从事机器学习的学者的参考书，也可供从事计算机视觉、语言识别的专业技术人员参考。
目录
第1章深度学习概述
1.1什么是深度学习
1.1.1深度学习与表示学习
1.1.2深度学习与神经网络
1.2本章小结
第2章神经网络
2.1神经网络的基本原理
2.1.1硬阈值单元（阶跃激活函数）和符号函数
2.1.2常见的激活函数
2.1.3近似生物神经激活函数：Softplus和ReLU
2.2神经网络的结构
2.3本章小结
第3章与深度学习相关的最优化算法
3.1无约束优化
3.1.1与梯度相关的无约束最优化方法
3.1.2线性搜索
3.1.3基于梯度最优化方法的收敛性
3.2约束优化
3.2.1约束优化的基础知识
3.2.2凸优化
3.2.3求解凸优化的方法
3.3随机梯度法
3.4本章小结
第4章自编码器
4.1稀疏自编码器
4.2栈式自编码器
4.3去噪自编码器
4.4收缩自编码器
4.5本章小结
第5章Boltzmann机与深度信念网
5.1生成模型
5.2受限Boltzmann机
5.2.1能量模型
5.2.2Boltzmann机
5.2.3受限的Boltzmann机
5.3深度信念网
5.4本章小结
第6章卷积神经网络
6.1尺度不变特征变换
6.2方向梯度直方图
6.3局部二值模型
6.4卷积神经网络概述
6.4.1卷积运算
6.4.2卷积神经网络的基本概念
6.4.3卷积神经网络的结构
6.4.4计算卷积神经网络的梯度
6.5卷积神经网络的新进展
6.5.1图像分类中的卷积神经网络
6.5.2目标检测中的卷积神经网络
6.5.3空间金字塔匹配的基本原理
6.6本章小结
第7章深度学习应用
7.1深度学习框架
7.2Caffe简介
7.3一个简单的Caffe例子
7.3.1读取Caffe框架中每层参数和数据
7.3.2读取配置文件中各层参数和数据例子
7.3.3读取已训练好的模型参数
7.4本章小节
附录
附录AWindows下Caffe的编译与测试
附录B稀疏自编码的模拟
参考文献
文摘
版权页：
插图：
《深度学习理论与实践》理论联系实际，对教学、科研具有重要指导意义，可作为高等院校和科研机构从事机器学习的学者的参考书，也可供从事计算机视觉、语言识别的专业技术人员参考。
目录
第1章深度学习概述
1.1什么是深度学习
1.1.1深度学习与表示学习
1.1.2深度学习与神经网络
1.2本章小结
第2章神经网络
2.1神经网络的基本原理
2.1.1硬阈值单元（阶跃激活函数）和符号函数
2.1.2常见的激活函数
2.1.3近似生物神经激活函数：Softplus和ReLU
2.2神经网络的结构
2.3本章小结
第3章与深度学习相关的最优化算法
3.1无约束优化
3.1.1与梯度相关的无约束最优化方法
3.1.2线性搜索
3.1.3基于梯度最优化方法的收敛性
3.2约束优化
3.2.1约束优化的基础知识
3.2.2凸优化
3.2.3求解凸优化的方法
3.3随机梯度法
3.4本章小结
第4章自编码器
4.1稀疏自编码器
4.2栈式自编码器
4.3去噪自编码器
4.4收缩自编码器
4.5本章小结
第5章Boltzmann机与深度信念网
5.1生成模型
5.2受限Boltzmann机
5.2.1能量模型
5.2.2Boltzmann机
5.2.3受限的Boltzmann机
5.3深度信念网
5.4本章小结
第6章卷积神经网络
6.1尺度不变特征变换
6.2方向梯度直方图
6.3局部二值模型
6.4卷积神经网络概述
6.4.1卷积运算
6.4.2卷积神经网络的基本概念
6.4.3卷积神经网络的结构
6.4.4计算卷积神经网络的梯度
6.5卷积神经网络的新进展
6.5.1图像分类中的卷积神经网络
6.5.2目标检测中的卷积神经网络
6.5.3空间金字塔匹配的基本原理
6.6本章小结
第7章深度学习应用
7.1深度学习框架
7.2Caffe简介
7.3一个简单的Caffe例子
7.3.1读取Caffe框架中每层参数和数据
7.3.2读取配置文件中各层参数和数据例子
7.3.3读取已训练好的模型参数
7.4本章小节
附录
附录AWindows下Caffe的编译与测试
附录B稀疏自编码的模拟
参考文献
文摘
版权页：
插图：
| ISBN | 9787030521040 |
|---|---|
| 出版社 | 科学出版社 |
| 作者 | 何希平 |
| 尺寸 | 16 |