深度學(xué)習(xí)經(jīng)典案例解析（基于MATLAB）

前言
基礎(chǔ)篇
案例1 巧婦難為無米之炊：數(shù)據(jù)集的制作與加載
1．1 機(jī)器學(xué)習(xí)中的數(shù)據(jù)集
1．2 如何加載MATLAB自帶的數(shù)據(jù)集
1．3 如何加載自己制作的數(shù)據(jù)集
1．4 如何加載公開數(shù)據(jù)集：以CIFAR-10為例
1．5 如何劃分訓(xùn)練集與驗(yàn)證集
1．6 如何擴(kuò)充數(shù)據(jù)樣本集
案例2 小試牛刀：如何構(gòu)建一個卷積神經(jīng)網(wǎng)絡(luò)
2．1 CNN的核心——“卷積”
2．2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及原理
2．3 從仿生角度看卷積神經(jīng)網(wǎng)絡(luò)
2．4 基于深度學(xué)習(xí)工具箱函數(shù)構(gòu)造卷積神經(jīng)網(wǎng)絡(luò)
2．5 采用DeepNetworkDesigner實(shí)現(xiàn)卷積網(wǎng)絡(luò)設(shè)計(jì)
2．6 其他與構(gòu)建深度網(wǎng)絡(luò)相關(guān)的函數(shù)
案例3 精雕細(xì)琢：如何訓(xùn)練一個卷積神經(jīng)網(wǎng)紹
3．1 基本概念一點(diǎn)通
3．2 實(shí)例需求與實(shí)現(xiàn)步驟
3．3 構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
3．4 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
3．5 例程實(shí)現(xiàn)與解析

應(yīng)用篇
案例4 LeNet卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：紅綠燈識別
4．1 LeNet卷積神經(jīng)網(wǎng)絡(luò)
4．2 基于改進(jìn)LeNet的交通燈識別
4．3 例程實(shí)現(xiàn)與解析
案例5 AlexNet卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：基于遷移學(xué)習(xí)的圖像分類
5．1 什么是遷移學(xué)習(xí)
5．2 從不同的角度看遷移學(xué)習(xí)
5．3 AlexNet網(wǎng)絡(luò)的原理
5．4 基于AlexNet實(shí)現(xiàn)遷移學(xué)習(xí)的步驟
5．5 AlexNet的加載方法
5．6 如何對AlexNet進(jìn)行改進(jìn)以實(shí)現(xiàn)遷移學(xué)習(xí)
5．7 本節(jié)所用到的函數(shù)解析
5．8 例程實(shí)現(xiàn)與解析
5．9 采用DeepNetworkDesigner輔助實(shí)現(xiàn)遷移學(xué)習(xí)
案例6 VGG16卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用：融合卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的物體識別
……

實(shí)戰(zhàn)篇
參考文獻(xiàn)