本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
深度学习是人工智能发展的第三次浪潮,相关算法在计算机视觉、自然语言处理、游戏、机器人、无人驾驶及医疗诊断等众多领域取得了显著的成果,在国内外引起了广泛的关注。目前深度学习技术在产业界发展成熟,广大高等院校也相继开设人工智能相关专业。为满足广大读者对于深度学习的学习需求,作者编著了此书。本书按照神经网络到深度强化学习的脉络介绍深度学习的演进与相关理论,帮助读者形成关于深度学习和强化学习系统全面的知识体系。《深度学习——从神经网络到深度强化学习的演进》呈现了以下深度学习和强化学习的理论、技术与应用:
神经网络与深度学习;
卷积神经网络;
循环神经网络及其他深层神经网络;
深度神经网络的训练方法;
轻量化神经网络模型;
强化学习算法;
多智能体多任务学习;
深度强化学习;
迁移学习。
本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和 算法,包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度 神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习 案例;之后阐述强化学习的基本理论和算法,包括传统的强化学习方法及其衍生算法以及新型的多智能体 或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学 习中的应用。
本书可作为学习深度学习及强化学习算法的参考书,也可作为高等院校相关课程的教材,还可供从事 人工智能领域的专业研究人员和工程技术人员阅读。
魏翼飞 北京邮电大学教授,博士生导师。加拿大卡尔顿大学联合培养博士,爱尔兰都柏林城市大学博士后,北京邮电大学理学院副院长(2014—2016年),美国休斯顿大学访问学者(2016—2017年)。目前主要研究深度学习、强化学习及区块链技术。作为负责人先后主持3项国家自然科学基金项目,参与完成了3项国家科技重大专项、2项国家科技支撑计划项目。在国内外学术期刊上发表SCI检索论文20余篇,EI检索论文30余篇,申请专利30余项。
刘群 华为公司诺亚方舟实验室语音语义首席科学家
近年来,深度学习和强化学习的突破使得人工智能再度辉煌,引了人们广泛的兴趣。《深度学习—从神怪网络到深度强化学习的演进》一书的作者结合自己的理解和实践经验,系统地介绍了深度学习和强化学习的理论、方法和应用,具有根好的参考价值。
韩竹 IEE Fellow 美国体斯效大学教授
深度学习作为人工智能领域的一个关键技术,与强化学习的结合将会使它进发新的活力。《深度学习——从神经网络到深度强化学习的演进》梳理了神经网络到深度强化学习的演进脉络,对于初学者甚至经验丰富的从业人员,都有很好的借鉴价值 。
于非 IEEE Fellow 加拿大卡尔领大学教授
《深度学习—从神经网络到深度强化学习的演进》详细阐述了深度学习、强化学习及深度强化学习的基本原理、核心算法和实践应用,介绍了深度学习和强化学习的前沿技术,例如移动端深度学习、联邦学习、迁移学习等。该书可以作为研究深度学习技术的参考书和工具书,帮助读者座清概念、梳理思路、开拓视野。
苏森 北京邮电大学人工智能学院院长
深度神经网络和强化学习的结合开辟了深度强化学习相关理论和应用的新时代。《深度学习——从神经网络预深度强化学习的演进》从神经网络开始介绍深度学习的原理和应用案例,并对强化学习及深度强化学习的概念和算法进行总结梳理。本书适合广大读者作为深度强化学习技术的入门读物。
王小军 爱尔兰都柏林城市大学硬件加速网络数据处理实验室负责人
人工智能,特别是其中的深度学习,是当前炙手可热的领域,无数学子投身到对其理论、方法和工具的学习中。但是,目前市面上系统阐述深度学习算法原理的优秀教材仍然不多。《深度学习——从神经网络到深度强化学习的演进》的出版恰逢其时。该书立足理论基础,深入浅出地介绍了神经网络到深度强化学习的基本理论及经典算法,有利于读者真正理解并掌握深度学习的理论基础。