深度学习,优化与识别 = Deep learning, optimization and recognition

封面 1 扉页 2 内容简介 3 版权页 3 序 4 目录 8 第1章 深度学习基础 16 1.1 数学基础 17 1.2 稀疏表示 23 1.3 机器学习与神经网络 46 参考文献 53 第2章 深度前馈神经网络 56 2.1 神经元的生物机理 57 2.2 多隐层前馈神经网络 60 2.3 反向传播算法 62 2.4 深度前馈神经网络的学习范式 63 参考文献 66 第3章 深度卷积神经网络 69 3.1 卷积神经网络的生物机理及数学刻画 70 3.2 深度卷积神经网络 76 3.3 深度反卷积神经网络 88 3.4 全卷积神经网络 92 参考文献 95 第4章 深度堆栈自编码网络 98 4.1 自编码网络 99 4.2 深度堆栈网络 105 4.3 深度置信网络/深度玻尔兹曼机网络 108 参考文献 111 第5章 稀疏深度神经网络 114 5.1 稀疏性的生物机理 115 5.2 稀疏深度网络模型及基本性质 117 5.3 网络模型的性能分析 125 参考文献 126 第6章 深度融合网络 128 6.1 深度SVM网络 129 6.2 深度PCA网络 132 6.3 深度ADMM网络 134 6.4 深度极限学习机 136 6.5 深度多尺度几何网络 140 6.6 深度森林 145 参考文献 148 第7章 深度生成网络 151 7.1 生成式对抗网络的基本原理 152 7.2 深度卷积对抗生成网络 156 7.3 深度生成网络模型的新范式 166 7.4 应用驱动下的两种新生成式对抗网络 170 7.5 变分自编码器 175 参考文献 177 第8章 深度复卷积神经网络与深度二值神经网络 182 8.1 深度复卷积神经网络 183 8.2 深度二值神经网络 187 参考文献 192 第9章 深度循环和递归神经网络 195 9.1 深度循环神经网络 196 9.2 深度递归神经网络 203 9.3 长短时记忆神经网络 205 9.4 典型应用 207 参考文献 209 第10章 深度强化学习 212 10.1 深度强化学习简介 213 10.2 深度Q网络 216 10.3 应用举例——AlphaGo 219 参考文献 223 第11章 深度学习软件仿真平台及开发环境 225 11.1 Caffe平台 226 11.2 TensorFlow平台 231 11.3 MXNet平台 236 11.4 Torch7平台 242 11.5 Theano平台 249 参考文献 254 第12章 基于深度神经网络的SAR/PolSAR影像地物分类 256 12.1 数据集及研究目的 257 12.2 基于深度神经网络的SAR影像地物分类 267 12.3 基于第一代深度神经网络的PolSAR影像地物分类 279 12.4 基于第二代深度神经网络的PolSAR影像地物分类 287 参考文献 296 第13章 基于深度神经网络的SAR影像的变化检测 300 13.1 数据集特点及研究目的 301 13.2 基于深度学习和SIFT特征的SAR图像变化检测 309 13.3 基于SAE的SAR图像变化检测 315 13.4 基于CNN的SAR图像变化检测 321 参考文献 325 第14章 基于深度神经网络的高光谱图像分类与压缩 327 14.1 数据集及研究目的 328 14.2 基于深度神经网络的高光谱影像的分类 334 14.3 基于深度神经网络的高光谱影像的压缩 349 参考文献 354 第15章 基于深度神经网络的目标检测与识别 356 15.1 数据特性及研究目的 357 15.2 基于快速CNN的目标检测与识别 361 15.3 基于回归学习的目标检测与识别 369 15.4 基于学习搜索的目标检测与识别 376 参考文献 382 第16章 总结与展望 384 16.1 深度学习发展历史图 385 16.2 深度学习的应用介绍 391 16.3 深度神经网络的可塑性 393 16.4 基于脑启发式的深度学习前沿方向 396 参考文献 399 正文结束 401 附录A 基于深度学习的常见任务处理介绍 402 附录B 代码介绍 409