您所在的位置:图书> 图书详情
分享到:

深度学习方法解析与实战应用

  • 主 编:崔翛龙 高志强
  • 副主编:习亚男 鲁晓阳 张荣荣 单南良
  • 书代号:602900
  • I S B N:978-7-5606-5727-1
  • 出版日期:2020-10
  • 印刷日期:2020-10
  • 业务分类:本科;
  • 图书库存:加载中...
  • 纸书价格:- 元 原价:48.00
  • 在线阅读:-
  • 电子书:-

购书款满88元包邮(包邮地区仅限内地,新疆、西藏除外)

内容简介
前言
目录
编辑推荐
相关资源
    

本书以深入浅出的方式,讲解何为“人工智能”,如何掌握以深度学习为代表的人工智能相关方法,以及如何进行落地应用。本书从理论、工具基础讲解开始,层层递进,分别向读者清晰地展现了卷积神经网络、生成式对抗网络、循环神经网络、深度强化学习的知识脉络与方法原理。同时,按照具体应用场景,结合主流深度学习框架,给出所讲述理论的落地应用案例和编程开发指导,旨在结合理论与实践,平衡知识的深度与广度,明确入门与进阶路径,使读者更加深入全面地理解深度学习的原理及实践方法。

本书主要面向人工智能技术初学者、程序开发者、前沿科技爱好者,尤其是在校大学生和相关领域研究人员。

近年来,由于智能芯片等硬件技术的不断发展,以神经网络为核心的人工智能技术成为学界、产业界甚至商界的关注焦点,人工智能中的深度学习技术在诸如计算机视觉、自然语言处理、语音识别、深度强化学习等多个基础领域全面突破,在机器翻译、智能游戏、医疗辅助诊断、无人驾驶、智慧安防等多个应用领域大量落地实践。同时,面对国家重大战略发展和国际前沿发展需求,一些高校成立了人工智能学院及人工智能专业。因此,以人工智能为代表的新一代信息技术(可以概括为“ABCDEFG”,即人工智能AI(Artificial Intelligence)、区块链BC(Block Chain)、云计算CC(Cloud Computing)、大数据BD(Big Data)、边缘计算EC(Edge Computing)、联邦学习FL(Federated Learning)、5G通信等)已成为理论研究的焦点、应用实践的重点、社会发展的增长点。那么,面对“人工智能”这个既熟悉又陌生的词汇,如何了解其理论、掌握其方法,并以“人工智能”方式为我们的工作生活进行“赋能”呢?本书的写作目的是深入浅出地讲解何为“人工智能”,如何掌握以深度学习为代表的人工智能方法,以及如何利用人工智能更好地服务人类。

本书特色

1. 广度与深度的平衡

人工智能是涉及计算机科学、数学、信息论、控制论、系统工程、脑科学、神经科学、心理学、语言学、逻辑学、认知学、行为学等多领域的综合性交叉学科,在人类社会的方方面面具有广泛应用。因此,本书在理论的广度上,讲解了人工智能的基本概念、基本理论、基础工具;在实践的广度上,分析了人工智能在游戏、智慧社区、智慧安防、智慧医疗等领域的应用及设计构想。同时,本书在理论的深度上,以深度神经网络为主线,讲解了以卷积神经网络、生成式对抗网络、循环神经网络、深度强化学习为代表的重要方法;在实践的深度上,以人体姿态估计、经典控制类游戏、边缘智能、图像翻译等实践案例为核心支撑。可以说,本书实现了知识在广度与深度上的平衡。

2. 理论与实践的结合

人工智能是理论与实践结合的产物。没有早期神经科学对大脑神经认知原理的探索,神经元模型、卷积神经网络、循环神经网络等数学模型就是“无源之水,无本之木”。没有早期以Hinton、LeCun、Bengio等人为代表的人工智能科学家对深度神经网络理论研究的坚守,就不会有2012年ImageNet大赛深度学习的巨大成功,更不会有AlphaGo的一骑绝尘!本书按照人工智能的发展脉络,将深度学习的理论学习与实践应用结合,并赋予相应的应用场景,尤其是将卷积神经网络与人体姿态估计、目标检测、人脸检测结合,循环神经网络与语音识别结合,生成式对抗网络与图像翻译、图像生成结合,强化学习与AI游戏结合,进而让理论指导实践,并让实践赋予理论更有温度、更直接的“生命力”。

3. 入门与进阶的梯次

理论讲解“接地气”、案例实践“有温度”是本书的重要特色,也是针对入门读者重点考虑与设计的。在入门学习方面,本书从基础理论梳理到基础工具讲解,以点带面,尽量避免过多的公式推导、理论罗列,以帮助初学者完成知识体系的构建,同时配合生活等常用场景的案例分析,以期降低读者入门的门槛和心理上的“疏远感”;在进阶提高方面,本书以有研究基础的读者为主要对象,从相关理论的起源、发展脉络、关键技术、改进优化、发展前沿等角度,深入剖析技术的原理,为读者的进阶提高之路厘清思路。

4. 开源与创新的支撑

开源是人工智能领域“百花齐放”的真实写照,也是人工智能生态发展的重要推动力。因此,本书所涉及的程序均已在Github上开源,以期为人工智能技术的开源与知识共享贡献一份力量。此外,创新是科技进步的源泉,也是技术发展的不竭动力。本书的部分理论思考及实践案例是团队多年参加竞赛、学术交流的创新成果和发明专利等的积累,也是本书在内涵上的重要特色。

本书组织结构

本书按照基础入门、方法解析、实战应用的结构,共分三篇13章。

第一篇为基础入门篇,包括第0~3章,以人工智能概述为总领,讲解人工智能的理论基础、工具基础、神经网络基础,以期夯实初学者的学习基础,为其打开人工智能之门。其中,第0章主要讲解人工智能的定义、历史脉络、适用领域、发展前景及存在的问题。第1章涉及深度学习的数学基础、算法基础、机器学习基础、大数据基础,提纲挈领地讲解了线性代数与矩阵论、概率论与统计学、博弈论、最优化理论等数学知识,梳理了数据结构与算法的基本知识点,分析了机器学习中监督学习、无监督学习、强化学习、联邦学习等关键研究领域,而后介绍了数据挖掘、Hadoop开源生态框架体系。第2章重在全面总结深度学习所需工具,包括编程理论、编程语言、开源框架、硬件及操作系统相关知识等。第3章按照神经网络技术演进路线,对神经元模型、感知机模型、多隐层前馈神经网络、深度学习技术的发展脉络进行讲解,并着重对优化方法、优化策略进行分析。

总体来讲,掌握基础理论、基础工具是入门深度神经网络的第一步,因此,第一篇的定位为既是基础入门的“知识图谱”,更是进阶提升的“第一踏板”。有相关理论储备和研究基础的读者可以跳过该部分内容,直接进入后续章节学习。

第二篇为方法解析篇,包括第4~7章,主要对深度神经网络的关键方法进行讲解,从卷积神经网络、生成式对抗网络、循环神经网络、深度强化学习的起源、发展、关键原理、重要改进等角度对相关方法进行剖析,既是对基础入门篇内容的整合与升华,也是对深度学习核心精髓的解析,更是实战应用的理论指导。其中,第4章以卷积神经网络的原理、方法、改进、应用为主线,解析卷积神经网络背后的方法论。第5章主要讲解生成式对抗网络的原理、方法、改进方向等内容。第6章在讲解循环神经网络的原理、方法、改进等重点知识的同时,对自然语言处理的相关技术也进行了讨论。第7章主要讲解深度强化学习所涉及的关键理论、重要方法模型,并着重对深度Q网络进行分析。

本篇中,第4章、第6章分别从空间维度、时间维度对以卷积神经网络、循环神经网络为代表的深度学习方法进行讲解,第5章、第7章涉及博弈、决策的重要理论。因此,通过对深度学习关键方法的解析,读者可以轻松构建起深度学习知识体系的“四梁八柱”,对下衔接坚实的理论基础,对上撑得起前沿应用。

第三篇为实战应用篇,包括第8~12章,针对人体姿态估计、智能游戏、人群数量计算、垃圾分类、图像翻译等场景,将基于卷积神经网络的2D人体姿态估计、基于强化学习的游戏控制、面向边缘智能的人群数量计算、边缘计算场景下的垃圾识别分类、基于生成式对抗网络的图像生成与翻译进行程序实现,与基础入门、方法解析相呼应,构成符合学习规律的全周期闭合回路。其中,第8章以计算机视觉前沿应用中的2D人体姿态估计为例,讲解姿态估计的研究现状、基础理论、应用场景、主要代表算法和具体实现过程。第9章以开源项目OpenAI Gym中的CartPolev0游戏为例,从强化学习在游戏领域的应用现状出发,通过编程开发对深度Q网络智能体、基于策略梯度的神经网络游戏应用进行实践。第10章以边缘智能场景下的城市安防为例,以人群数量计算为应用,对目标检测模型YOLO V3算法、人脸识别CenterFace算法进行实现。第11章以智能垃圾分类为背景,对预训练中文语音识别模型和图像分类模型进行编程实现。第12章将两种生成式对抗网络应用于图像翻译和图像生成,对图像“魔术”进行编程实现。

本篇是从综合案例实践角度对全书知识点的总结与提升,以期让人工智能技术不只是“上层建筑”,更是实实在在有温度、接地气的落地应用。

预期读者

1. 人工智能技术初学者

人工智能技术体系庞大、知识点极多,可选资源又很丰富,所以,初学者经常无从下手。希望通过学习本书,初学者可以厘清知识脉络,找到适合自己的技术学习和发展路线。

2. 人工智能程序开发者

技术的生命在于应用转化,尤其在计算机科学领域,没有落地应用,技术很难有长远持续的发展。因此,希望本书的实战案例讲解可以辅助具有一定开发基础的程序员、工程师获得思路上的启发和实际应用场景的共鸣,为其所写代码赋予“有场景”的生命力,促进其对实际问题场景创造性地程序化描述,进而推动社会信息化、自动化、智能化的发展。

3. 人工智能爱好者

开源是人工智能发展的必经之路,希望本书能为AI爱好者提供共享技术、共享理念的交流平台,对开源社区建设、人工智能知识普及起到一定的推动作用。

学习建议

希望通过本书的学习,读者可以从方法的角度对人工智能的本质进行思考,尤其要重点理解两句话:

(1) 人工智能的终极目标是让机器可以像人一样具有学习的本领,可以像人一样思考,进而促进人类的发展。

(2) 人工智能的本质是学习,而“学习”的关键是联合,即“架构联合、数据联合、模型联合、资源联合”。

第一句话易于理解,在此不做赘述。关于第二句话的理解,可以将这一观点放在新一代信息技术发展的大背景下,从算法、算力、数据等对AI发展的推动作用角度去思考,即可获得其中“真意”。具体讲,架构联合是基于“云-边-端”进行统一的架构设计,即将云计算、边缘计算、智能终端进行通盘考虑,进而为人工智能的发展提供架构体系支撑;数据联合是对多源跨域异构数据进行深度安全融合,进而打破“数据孤岛”,为人工智能发展提供充足的数据支撑;模型联合是面向“云-边-端”一体化架构在分布式、集中式、混合式人工智能实现模式下的具体化呈现,是实现高性能人工智能推理、训练的重要方式;资源联合是整合“云-边-端”所涉及的网络通信、计算、存储等资源的重要途径,是促进人工智能落地应用的重要保障。

此外,本书各章节从知识前沿、领域关注、理论深度等角度分别设计了相应的习题,可以帮助读者巩固相关基础知识、启发研究思路。同时,在参考资源部分,整理了大量开源代码、教学视频等学习资料,以期帮助读者提高动手实践能力。

最后,“纸上得来终觉浅,绝知此事要躬行”,想要深入理解深度学习,还需读者自己动手去尝试一些实验,真正形成学习的“闭合回路”。

综上所述,本书内容的组织结构如下图所示:

致谢

感谢本书的合作者,感谢团队的成员们,感谢我们的家人,希望我们可以一起做更多有意义的事,并且做得更好。

感谢编辑的辛劳,感谢你们在选题、校对、排版等环节的付出与辛勤工作。

感谢为本书提出宝贵建议、促进本书质量提高的所有朋友及同行。

感谢奋战在抗击新冠病毒一线的各类人员,以及为抗击新冠病毒做出贡献的所有人。希望人工智能技术可以推动社会发展,增加社会的“抵抗力”“免疫力”;同时,也希望社会为人工智能技术的发展提供更广阔的舞台,让人工智能技术承担更多的社会责任,并将有温度、有场景的成果反馈于我们的生活。

勘误与交流

由于作者水平有限,编著时间仓促,书中纰漏在所难免,恳请读者多提宝贵意见,批评指正,以促提高。

相关问题可以发团队邮箱:15891741749@139.com。本书代码开源地址为:https: //github.com/book4aidl。

再次感谢您的反馈与交流。

编 者

2020年7月于西安

版权所有(C) 西安电子科技大学出版社 Copyrights @ 2015 陕ICP备15015893号