《深度学习与神经网络》内容简介与阅读建议

《深度学习与神经网络》内容简介

人工智能是研究理解和模拟人类智能、智能行为及其规律的一门科学。其主要任务是建立智能信息处理理论、认知理论、行为控制理论等，进而设计出可以模仿人类智能行为的计算系统。 本书主要从人工智能的连接主义思想出发，探索人工神经网络与深度学习的理论方法和技术应用。重视知识间的逻辑关系与理论推演，在此基础上，力求通过Pytorch或Matlab实现理论方法的典型应用，使读者能够对该领域知识融会贯通、活学活用。 在神经网络计算中，主要介绍了神经网络计算概念、人工神经元模型，神经网络结构、神经网络学习规则。主要讨论了几种常用的神经网络，感知器神经网络、自组织竞争神经网络、径向基函数神经网络、反馈神经网络。 深度学习算法是神经网络算法研究中的一个新的分支，目的是建立、模拟人脑的学习原理建立起来的人工神经网络。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。 人工智能是综合性较高的交叉学科，本书从人工神经完了过智能科学范畴和应用领域，收集经典理论、方法和应用场景，试图在人工智能的多个应用领域能够揭示其基本原理、算法并具有实践指导意义。