深度学习基于MATLAB的设计实例_金升箭.pdf

图书在版编目(CIP)数据深度学习：基于MATLAB的设计实例/（韩）金晟箭(Phil Kim)著；邹伟，王振波，王燕妮译.-北京：北京航空航天大学出版社，2018.3书名原文：Deep Learning for Beginners:withMATLAB ExamplesISBN978-7-5124-2666-5I.深.金邹王王机器学习V.TP181中国版本图书馆CIP数据核字(2018)第050355号英文原名：Deep Learning for Beginners:with MATLAB ExamplesCopyright2016 by Phil Kim.Translation Copyright2017 by BeiHang University Press.All rights reserved.本书中文简体字版由Phil Kim授权北京航空航天大学出版社在中华人民共和国境内独家出版发行。版权所有。北京市版权局著作权合同登记号图字：01-2017-5532号深度学习：基于MATLAB的设计实例Deep Learning for Beginners:with MATLAB Examples韩Phil Kim著邹伟王振波王燕妮译责任编辑宋淑娟米北京航空航天大学出版社出版发行北京市海淀区学院路37号（邮编100191）http:/发行部电话：(010)82317024传真：(010)82328026读者信箱：邮购电话：(010)82316936涿州市新华印刷有限公司印装各地书店经销开本：71010001/16印张：12.5字数：173千字2018年4月第1版2018年4月第1次印刷印数：3000册ISBN978-7-5124-2666-5定价：59.00元若本书有倒页、脱页、缺页等印装质量问题，请与本社发行部联系调换。联系电话：(010)82317024序言我有幸见证了世界向信息化社会的转变过程，随之而来的就是一个网络化的环境。我从小就生活在这种变革中。个人计算机的发明打开了人类通向信息世界的大门，接着就是互联网将计算机连接了起来，智能手机将人与人联系了起来。现在，每个人都意识到人工智能的浪潮已经到来。越来越多的智能服务即将被发明出来，同时这也将把我们带入一个新的智能时代。深度学习是引领这股智能浪潮的前沿技术。虽然它最终可能将其宝座移交给其他新技术，但是目前它仍是各种人工智能新技术的重要基石。深度学习如此流行，以至于关于它的资料随处可见。然而适用于初学者的资料并不多见。我编写这本书的目的是希望帮助初学者在学习这个新知识的过程中不那么痛苦，因为我曾体验过这种痛苦，同时也希望本书中具体的开发实例讲解能够帮助初学者避免我曾经遇到的困惑。本书主要考虑了两类读者。第一类是准备系统地学习深度学习以进一步研究和开发的读者。这类读者需要从头到尾阅读本书内容，其中的示例代码将更加有助于进一步理解本书所讲的内容。我为提供恰当的例子并加以实现做出了很大的努力，同时为了使编写的代码易于阅读和理解，均将它们用MATLAB编写而成。在简单和直观性上，没有任何语言比MATLAB更易于处理深度学习中的矩阵。示例代码仅采用了基本的函数和语法，以便不熟悉MATLAB的读者也能容易理解和分析里面的概念。对于熟悉编程的读者来说，代码可能比文字更容易理解。第二类是想比从杂志或报纸上获得更深入的深度学习信息，但不必进行实际研究的读者。这类读者可以跳过代码，只需简要地阅读对这些概念1深度学习：基于MATLAB的设计实例的解释即可；也可以跳过神经网络的学习规则这部分内容。实际上，因为很容易获取各种深度学习库，甚至开发者很少需要亲自实现这些学习规则，因此，对于那些从不想开发深度学习的人员，不必担心本书内容的难度。但是请重点关注第1章、第2章（第2.12.4节）、第5章和第6章的内容。特别是第6章，即使只是阅读其概念和示例结果，也有助于理解深度学习的大多数重要技术。为了提供理论背景，本书中偶尔会出现一些方程，但它们只是基础的运算。阅读和学习你能忍受的内容最终将让你对这些概念有个全面的理解。本书结构本书共包含6章内容，可以分为3个主题。第1个主题是机器学习，这是第1章的内容。深度学习起源于机器学习，这意味着如果想要理解深度学习的本质，就必须在某种程度上知道机器学习背后的理念。第1章从机器学习与深度学习的关系开始讲起，随后是解决问题的策略和机器学习的基本局限性。此处仅涵盖了神经网络和深度学习的基本概念，并没有详细介绍技术本身。第2个主题是人工神经网络，这是第24章的重点内容。由于深度学习就是采用一种神经网络的机器学习，所以不能将神经网络与深度学习分开。第2章从神经网络的基本概念讲起：它的工作原理、体系结构和学习规则，也讲到了神经网络由简单的单层结构演化为复杂的多层结构的原因。第3章介绍了反向传播算法，它是神经网络中一种重要和典型的学习规则，深度学习也使用这种算法。本章解释了代价函数和学习规则是如何联系起来的，哪一种代价函数在深度学习中被广泛使用。第4章介绍了将神经网络应用到分类问题中的方法。其中单列一节专门讲分类，因为它是目前最流行的一种深度学习应用。例如图像识别是一个分类问题，也是深度学习的除非它与人脑神经网络相混淆时才加以说明，本书中的神经网络指的就是人工神经网络。2