深度学习优化与识别PDF电子书下载完整高清版|百度网盘下载

编辑评论：

《深度学习、优化与识别》从模型的由来介绍了理论部分，并给出了各个经典模型之间的内在关系。 《深度学习、优化与识别》的实际应用部分对相关任务进行了详细分析，并总结了深度学习应用实践的经验。

图书特色

深度学习是计算机科学和人工智能的重要组成部分。全书共16章，分为理论和实际应用两部分。同时介绍了5个主流深度学习平台的特点和应用，介绍了深度学习的前沿进展，以及47个相关网络模型的实现代码。本书具有以下特点：

1、内容体系全面

《深度学习、优化与识别》共16章，涵盖了目前深度学习中出现的诸多经典框架或模型。 《深度学习、优化与识别》分为两部分。第一部分《深度学习、优化与识别》从数据、模型、优化目标函数和解四个方面系统地论述了深度学习的理论和算法，如卷积神经网络、深度生成模型等；第二部分基于五个主流深度学习平台，提供深度网络在自然图像和卫星遥感图像领域的应用，如分类、变化检测、物体检测和识别。此外，给出了深度学习的发展图和新的研究进展，并提供了47个可以基于5个平台实现的深度网络代码，以供有兴趣的读者进一步研究和探索。

2、叙述立场客观

作为深度学习的入门教材，尽可能不带偏见地分析、处理和客观地介绍材料。从模型的由来介绍了“深度学习、优化与识别”的理论部分，并给出了各个经典模型之间的内在相互关系。 《深度学习、优化与识别》的实际应用部分对相关任务进行了详细分析，并总结了深度学习应用实践的经验。

3、设计精美、装饰精美

《深度学习、优化与识别》设计人性化，文字、公式、数学符号的混合格式美观细腻。特别是《深度学习、优化与识别》整本书采用全彩软装印刷。封面设计清新但不精致和学术，足以看出出版商和作者的用心。

简介

深度神经网络是近年来受到广泛关注的一个研究方向，已经成为人工智能2.0的主要组成部分。 《深度学习、优化与识别》系统地讨论了深度神经网络的基础理论、算法和应用。 《深度学习、优化与识别》共16章，分为两部分；第一部分（第1-10章）系统地讨论了理论和算法，包括深度前馈神经网络、深度卷积神经网络、深度堆叠神经网络、深度循环神经网络、深度生成网络、深度融合网络等；第二部分（第11-15章）讨论常用的深度学习平台，以及在高光谱图像、自然图像、SAR和极化SAR成像等领域的应用；第16章是总结与展望，给出了深度学习发展的历史地图、前沿方向和进展。 《深度学习、优化与识别》每章均附有相关阅读资料和仿真代码，方便有兴趣的读者进一步探索探索。

《深度学习、优化与识别》可为计算机科学、电子科学与技术、信息科学、控制科学与工程、人工智能等领域的研究人员提供参考，是一本教学参考书，可以使用作为对深度学习及其应用感兴趣的研究人员和工程师的参考。

关于作者

焦立成，男，汉族，1959年10月出生，1992年至今任西安电子科技大学教授，现任智能感知与计算国际联合研究中心主任，智能感知重点实验室主任教育部与图像理解，智能感知与计算国际合作联合实验室主任，“智能信息处理科学与技术”高校学科创新与智能基地（“111计划”）主任，国际委员教育部科委合作司，中国人工智能学会副理事长，IET西安分会主席，IEEE西安分会奖励委员会主席，IEEE计算智能协会主席IEEEGRSS西安分会理事长、IEEETGRS副主编、IEEEGRSS首席专家教育部创新团队。国务院学位委员会学科评价组成员，教育部本科教学水平评价专家。 1991年被批准为享受国务院政府津贴专家。 He was elected as a national model teacher, a model teacher in Shaanxi Province and a former representative of the Eighth National People's Congress.

焦立成教授的主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算，十余位博士获得全国优秀博士论文奖、提名奖和陕西省优秀博士论文奖。博士论文奖。研究成果获国家自然科学二等奖、省部级一等奖等十余项科技奖励，出版学术专着十余部。 .发表作品被他人引用25000余次，H指数65、

什么是强化学习

强化学习是机器学习的一个分支。它侧重于在一系列场景下通过多步骤的适当决策来实现目标。这是一个连续多步决策的问题。与传统的机器学习算法不同，需要在场景和适当的决策之间进行搜索，并且这种搜索策略是基于反馈进行奖惩的，类似于人类与环境交互的方式。强化学习任务通常用马尔科夫决策过程来描述：包括环境E、状态空间x、机器搜索策略P、动作空间A、反馈机制V（即当前环境对搜索策略选择的动作的正/负反馈） ) 等，其中每个状态 rEX 是感知器对当前环境的描述。在合理的策略选择pEP下（需要训练和学习），得到的动作aEA作用于当前状态x，使得环境从当前状态按照一定的概率转移到另一个状态yEX；状态改变的环境根据从状态 x 到状态 y 的正负特征（这个特征用条件概率来表征）来奖励和惩罚这个策略选择 p。