亚洲国产综合无码一区二区bt,亚洲成AV人片天堂网无码,免费a级毛片无码视频

內容簡介

　　本書聚焦近期涌現(xiàn)的人工智能、機器人工程、智能醫(yī)學工程等新工科專業(yè)對于人才培養(yǎng)的實際需求，著力解決人工智能基礎知識交叉貫通不足、配套實驗實踐支撐不強等問題。書中主要內容包括Python編程基礎、神經網絡基礎、深度學習計算框架、卷積神經網絡、序列到序列網絡、目標檢測及其應用、語義分割及其應用等。本書結合高等院校人工智能相關專業(yè)的知識體系，將基礎知識和編程實踐相結合，通過代碼實例分析，使得基礎知識變得直觀易懂；通過基礎Python編程和PyTorch框架編程的結合進行實踐，適應互聯(lián)網時代共享代碼的社區(qū)生態(tài)需求；通過綜合實踐例程，使讀者經歷知識學習、數(shù)據(jù)準備、代碼編寫、參數(shù)調試、結果分析等過程，在掌握相關技術的同時提高學習興趣。本書可滿足高等院校人工智能相關專業(yè)的學生學習基礎知識及實踐創(chuàng)新的需求，也可為電子、信息等相關領域的從業(yè)者轉型人工智能領域提供入門學習資料。

作者簡介

　　張偉，教授，山東大學，畢業(yè)于香港中文大學，現(xiàn)從事人工智能、機器人方面的研究與教學工作。先后主持/參與部省校本科教改項目10項；撰寫“新工科人工智能相關專業(yè)程序設計課程體系設置探討”教研論文并發(fā)表在清華大學主辦的教研期刊《計算機教育》；擔任學院教學指導委員會委員，中國自動化學會智慧教育專委會首屆委員；獲山東省自動化學會教學成果特等獎、山東大學教學成果二等獎等榮譽獎勵。

圖書目錄

前言
第1章Python編程基礎
1.1Python簡介
1.2Python安裝與運行
1.3Python基礎編程
1.3.1標識符
1.3.2注釋
1.3.3行和縮進
1.3.4變量和數(shù)據(jù)類型
1.3.5基本計算
1.3.6數(shù)據(jù)結構
1.3.7控制語句
1.3.8函數(shù)
1.3.9模塊
1.4Python面向對象編程
1.4.1類
1.4.2繼承機制
1.4.3類變量與方法的屬性
1.5Python常用庫介紹
1.5.1NumPy庫
1.5.2Matplotlib庫
1.6小結
參考文獻
第2章神經網絡基礎
2.1感知機模型
2.2神經網絡模型
2.2.1神經網絡的架構
2.2.2激活函數(shù)
2.3神經網絡學習原理
2.3.1數(shù)據(jù)集的準備
2.3.2損失函數(shù)
2.3.3小批量學習
2.3.4梯度下降法
2.3.5誤差反向傳播算法
2.4神經網絡學習實踐
2.4.1設計神經網絡類
2.4.2小批量學習的實現(xiàn)
2.5神經網絡學習技巧
2.5.1優(yōu)化方法的選擇
2.5.2權重初始值的設定
2.5.3批量歸一化
2.5.4正則化方法
2.5.5數(shù)據(jù)增強
2.6小結
參考文獻
第3章深度學習計算框架
3.1常用深度學習計算框架簡介
3.2GPU加速配置
3.3PyTorch安裝
3.4張量
3.4.1張量的概念
3.4.2張量的基本操作
3.5動態(tài)計算圖
3.6神經網絡層和模塊
3.7PyTorch神經網絡學習實踐
3.8小結
參考文獻
第4章卷積神經網絡
4.1卷積神經網絡的基本原理
4.1.1卷積神經網絡的基本架構
4.1.2卷積運算
4.1.3卷積運算實例：邊緣檢測
4.1.4卷積層及其代碼實現(xiàn)
4.1.5填充
4.1.6步幅
4.1.7池化
4.2經典卷積神經網絡模型
4.2.1數(shù)據(jù)集的準備
4.2.2Pipeline
4.2.3LeNet
4.2.4AlexNet
4.2.5VGG
4.2.6GoogLeNet
4.2.7ResNet
4.3小結
參考文獻
第5章序列到序列網絡
5.1循環(huán)神經網絡（RNN）
5.1.1RNN的基本原理
5.1.2RNN的簡單實現(xiàn)
5.2長短期記憶網絡（LSTM）
5.2.1LSTM的基本原理
5.2.2LSTM的簡單實現(xiàn)
5.3Transformer網絡
5.3.1自注意力層
5.3.2Transformer網絡結構
5.3.3Vision Transformer(ViT)網絡
5.4小結
參考文獻
第6章目標檢測及其應用
6.1目標檢測的基本概念
6.1.1邊界框
6.1.2錨框
6.1.3交并比
6.1.4NMS操作
6.1.5評價指標
6.2常用的目標檢測算法
6.2.1區(qū)域卷積神經網絡（R-CNN）系列
6.2.2YOLO系列
6.3實踐案例：行人檢測
6.3.1基于Faster R-CNN的行人檢測
6.3.2基于YOLO v5的行人檢測
6.3.3YOLO v5與Faster R-CNN算法對比
6.4小結
參考文獻
第7章語義分割及其應用
7.1語義分割的基本概念
7.1.1語義分割任務描述
7.1.2上采樣
7.1.3膨脹卷積
7.1.4定義損失函數(shù)
7.1.5評價指標
7.2語義分割網絡
7.2.1FCN
7.2.2U-Net架構
7.2.3DeepLab系列
7.3實踐案例：城市街景分割
7.3.1實踐Pipeline
7.3.2算法對比分析
7.4小結
參考文獻