掃一掃
關注中圖網
官方微博
>
新一代人工智能:從深度學習到大模型
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
新一代人工智能:從深度學習到大模型 版權信息
- ISBN：9787111770022
- 條形碼：9787111770022 ; 978-7-111-77002-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
新一代人工智能:從深度學習到大模型 本書特色
1. 本書可作為人工智能與深度學習領域的入門教材或通識課教材。深度學習與大模型的知識體系極為龐大，系統學習所需的時間成本極高。本書精心梳理了深度學習和大模型的核心理論及各分支領域的代表性算法與技術脈絡，讀者通過閱讀本書即可系統掌握相關技術，大幅提升學習效率。
2. 本書全面涵蓋了新一代人工智能的經典算法、前沿方向及*新技術（包括Deepseek），并對每個算法進行了深入的原理解析，幫助讀者從快速入門到真正精通，實現理論與實踐的深度融合。
3. 本書非常適合作為高校教材。本書作者張重生教授為此書做了大量工作，歷經三年精心打磨，增刪多次，回歸課堂，通過三年科研和教學實戰，取得了顯著的人才培養成果，*終形成了本書的內容結構和語言風格。本書以豐富的實例和平實易懂的語言，大大降低了學習難度，本書幫助讀者快速理解深度學習與大模型的相關算法和技術，助力讀者深入相關算法和技術的關鍵與精髓之處，具有極高的學習與參考價值。
4.為了便于教學和自學，本書配有電子課件和配套的實踐教材《深度學習與人工智能實戰》，實踐教材各章節的源代碼和實驗數據集可通過該書的GitHub主頁下載，以供讀者自主練習。
新一代人工智能:從深度學習到大模型 內容簡介
本書注重對新一代人工智能相關理論和技術進行深入的原理講解，共計19 章，囊括了深度學習的基礎理論、深度學習的優化問題、各種卷積操作、損失函數、經典的卷積神經網絡結構、目標識別和度量學習算法、深度學習目標檢測技術、圖像分割算法、生成對抗網絡、蒸餾學習、長尾學習技術、圖像增廣技術，以及大模型相關的Transformer技術、預訓練技術、大語言模型、視覺-語言模型及視覺大模型等技術。 本書既可作為高等學校人工智能、智能科學與技術、計算機科學與技術、數據科學與大數據技術等專業的教材，也可作為人工智能領域的科研人員、業界人士、高校教師和愛好者的參考書，以系統掌握新一代人工智能的相關理論和技術。
新一代人工智能:從深度學習到大模型新一代人工智能:從深度學習到大模型 前言
深度學習及大模型的知識體系非常龐大，系統學習成本非常昂貴。本書致力于成為系統講解深度學習和大模型的相關理論和各分支方向代表性算法和技術的“一本通”，讀者只需閱讀本書，便能系統掌握相關技術，不再需要翻閱不同書籍和資料的耗時操作，能夠大大緩解學習新一代人工智能技術時存在的知識碎片化，搜索成本、時間成本、學習成本、試錯成本高的突出問題，切實達到“一書在手、深度學習和大模型無憂”的體驗感和滿意度。
本書囊括了新一代人工智能的經典算法、前沿方向和*新技術，從深度學習的基礎理論、深度學習的優化問題，到各種卷積操作、損失函數、經典的卷積神經網絡結構、經典的目標識別和度量學習算法、經典的深度學習目標檢測技術、圖像分割算法、生成對抗網絡GAN、蒸餾學習、長尾學習技術，都有詳盡闡述。此外，針對大模型領域，本書還深入介紹了Transformer技術、預訓練技術、大語言模型、視覺-語言模型及視覺大模型等技術。本書對每個算法都有非常深入的原理講解，便于讀者對每個算法和技術達成從快速入門到真正精通的目標。
新一代人工智能:從深度學習到大模型 目錄
第1章 緒論1
1.1 人工智能的概念及其發展現狀1
1.2 人工智能的主要發展歷程4
1.3 深度學習/新一代人工智能的研究與應用領域5
1.4 結束語11
本章參考文獻12
第2章 數據思維13
2.1 新一代人工智能時代數據的重要性13
2.2 數據思維中的常見錯誤與陷阱15
2.3 深度學習/新一代人工智能研究的16個經典數據集介紹17
2.4 結束語38
第3章 人工神經網絡40
3.1 人工神經網絡的前向計算40
3.2 人工神經網絡的誤差反向傳播原理43
3.3 人工神經網絡實現47
第4章 卷積神經網絡50
4.1 卷積神經網絡原理51
4.2 經典的卷積神經網絡介紹56
4.3 卷積神經網絡的誤差反向傳播原理61
第5章 常見卷積操作與經典卷積神經網絡73
5.1 常見的卷積操作介紹73
5.2 經典的卷積神經網絡介紹84
第6章 神經網絡優化88
6.1 激活函數88
6.2 權值初始化93
6.3 神經網絡的神經元值歸一化與權值歸一化95
6.4 神經網絡的正則化100
6.5 梯度更新策略與超參優化101
本章參考文獻104
第7章 孿生神經網絡107
7.1 孿生神經網絡介紹107
7.2 孿生神經網絡結構108
7.3 孿生神經網絡實現109
7.4 Triplet Loss/FaceNet算法111
7.5 SiamFC目標追蹤算法113
第8章 蒸餾網絡118
8.1 蒸餾網絡介紹118
8.2 帶溫度的Softmax激活函數119
8.3 蒸餾網絡結構120
8.4 蒸餾學習過程121
8.5 總結122
本章參考文獻123
第9章 損失函數124
9.1 損失函數簡介124
9.1.3 損失函數的分類體系125
9.2 十種常見的損失函數126
9.3 *新損失函數136
9.4 KL散度與JS散度142
本章參考文獻143
第10章 深度學習常用的圖像增廣技術144
10.1 圖像增廣概述144
10.2 簡單的圖像變換技術145
10.3 RandAugment圖像增廣技術 146
10.4 MixUp圖像合成技術147
10.5 CutMix圖像合成技術148
10.6 AugMix圖像合成技術149
第11章 YOLO系列目標檢測算法153
11.1 深度學習目標檢測綜述153
11.2 YOLO目標檢測算法原理155
11.3 YOLO系列目標檢測算法的發展歷程166
第12章 Faster R-CNN系列目標檢測算法168
12.1 R-CNN目標檢測算法168
12.2 Fast R-CNN目標檢測算法169
12.3 Faster R-CNN目標檢測算法172
12.4 Mask R-CNN目標檢測/圖像分割算法182
第13章 基于深度學習的圖像分割技術190
13.1 全卷積網絡190
13.2 U-Net200
13.3 DeepLabs等前沿分割算法205
第14章 生成對抗網絡（GAN）210
14.1 原始GAN/樸素GAN211
14.2 DCGAN219
14.3 BEGAN223
14.4 基于GAN的關系型/表格型數據生成技術227
本章參考文獻230
第15章 長尾學習231
15.1 長尾分布和長尾學習背景介紹231
15.2 代表性長尾學習算法236
第16章 Transformer架構原理244
16.1 自注意力機制244
16.2 Transformer架構251
16.3 Transformer的基礎應用——BERT自然語言處理模型257
本章參考文獻258
第17章 大語言模型259
17.1 大模型發展現狀及其影響和意義259
17.2 大模型的核心技術261
17.3 大模型的應用方法262
第18章 視覺Transformer模型265
18.1 視覺Transformer架構ViT265
18.2 Swin Transformer架構266
第19章 語言-視覺預訓練模型和視覺大模型271
19.1 語言-視覺預訓練模型——CLIP272
19.2 視覺預訓練技術(MAE)275
19.3 DINO v2視覺大模型277
展開全部
新一代人工智能:從深度學習到大模型 作者簡介
張重生，男，1982年9月生，河南大學教授、博士生導師，德國慕尼黑大學訪問學者。曾任西班牙國立巴斯克大學兼職博士生導師。博士畢業于法國國家信息與自動化研究所，獲得優秀博士論文榮譽。主要研究領域為數據科學、人工智能、古文字計算。主持20項科研項目，含國家自然科學基金、人文社科、國家社科基金重大項目子課題等項目。在頂級國際會議及知名期刊上發表學術論文近70篇，出版著譯作8部，申請/授權近20項國家發明專利。受邀在中國機器學習大會、全國大數據與社會計算學術會議的專題論壇上作特邀報告。作為主要成員在河南省發改委執筆《河南省大數據產業發展引導目錄》、《河南省國家大數據綜合試驗區實施方案》并由河南省人民政府頒布實施。主研“AI綴多多”軟件，初步實現了人工智能批量綴合甲骨，2023年11月作為特邀嘉賓做客央視十套透視新科技欄目，產生了一定的社會影響力。
書友推薦
- >
我從未如此眷戀人間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮虎
- >
自卑與超越
- >
小考拉的故事-套裝共3冊
- >
巴金－再思錄
- >
上帝之肋:男人的真實旅程
- >
李白與唐代文化
本類暢銷
