人工神經網絡與深度學習
葉鋒,黃添強,林嫻
- 出版商: 電子工業
- 出版日期: 2026-01-01
- 售價: $354
- 語言: 簡體中文
- 頁數: 232
- ISBN: 7121520354
- ISBN-13: 9787121520358
-
相關分類:
DeepLearning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書以理論與實踐深度融合為核心，系統闡述人工神經網絡與深度學習的核心原理、技術架構及前沿應用，旨在為讀者構建從基礎到實戰的知識體系。通過翔實的案例解析與開發實踐，幫助讀者掌握深度學習的核心技術，培養解決復雜問題的工程能力。 本書共13章，第1章概述AI發展歷程與深度學習基礎，梳理神經網絡演進脈絡。第2章詳解PyTorch、TensorFlow等開發環境配置，奠定張量編程基礎。第3～5章從線性回歸、邏輯回歸切入，剖析BP神經網絡原理，涵蓋梯度下降、正則化等核心優化技術，並結合房價預測、腫瘤分類等案例強化實踐。第6～8章深入講解生成對抗網絡（GAN）、循環神經網絡（RNN/LSTM）及Transformer架構，探討圖像生成、時序預測、自然語言處理等前沿應用。第9～11章聚焦計算機視覺實戰，解析YOLO目標檢測、人臉表情識別及人體姿態識別技術，結合OpenPose、MediaPipe等工具實現多場景部署。第12章對比ChatGPT、CLIP、Llama 2等大型預訓練模型，剖析技術原理與微調策略。第13章探討AI安全挑戰，涵蓋對抗攻擊防禦、倫理風險及YOLO攻防實驗，構建技術應用的全局視野。 本書面向AI初學者與進階開發者，以降低深度學習技術門檻為目標，通過模塊化知識講解、實戰案例及開發環境搭建指南，助力讀者快速掌握模型構建、訓練優化及部署應用的全流程，同時關註AI安全與倫理，覆蓋Transformer、YOLOv8、ChatGPT等模型，提供實戰代碼與部署指南。 本書可作為高等院校計算機相關專業學生的教材，也可作為具備編程基礎的愛好者、AI工程師及科研人員系統學習的參考書。
目錄大綱
第 1 章 AI 與深度學習概述 ............................................................................................................ 1
1.1 AI 的概念和歷史 ............................................................................................................... 2
1.1.1 AI 的黎明：達特茅斯會議與先驅者的貢獻 ........................................................ 2
1.1.2 AI 的歷史 ................................................................................................................ 3
1.2 機器學習 ............................................................................................................................ 6
1.2.1 初識機器學習 ......................................................................................................... 6
1.2.2 機器學習的分類 ..................................................................................................... 8
1.2.3 初識深度學習 ......................................................................................................... 9
1.3 神經網絡與深度學習 ...................................................................................................... 10
1.3.1 神經網絡的基本原理 ........................................................................................... 10
1.3.2 主流神經網絡架構 ............................................................................................... 12
1.4 神經網絡的應用 .............................................................................................................. 15
1.5 總結 .................................................................................................................................. 16
1.6 思考和練習 ...................................................................................................................... 17
第 2 章 打造深度學習實驗室 ....................................................................................................... 18
2.1 開發環境概述 .................................................................................................................. 19
2.2 實驗環境的搭建和安裝方法 .......................................................................................... 20
2.2.1 Anaconda 安裝 ...................................................................................................... 20
2.2.2 PyCharm 安裝 ....................................................................................................... 21
2.2.3 PyTorch 安裝 ........................................................................................................ 22
2.2.4 TensorFlow2 安裝 ................................................................................................. 24
2.3 張量的基礎知識 .............................................................................................................. 24
2.3.1 張量的基本概念 ................................................................................................... 24
2.3.2 PyTorch 中的張量................................................................................................. 25
2.3.3 TensorFlow 中的張量 ........................................................................................... 35
2.4 總結 .................................................................................................................................. 41
2.5 思考和練習 ...................................................................................................................... 41
第 3 章 啟蒙之旅：線性回歸與邏輯回歸 ................................................................................... 42
3.1 線性回歸與邏輯回歸概述 .............................................................................................. 43
3.1.1 線性回歸 ............................................................................................................... 43
3.1.2 邏輯回歸 ............................................................................................................... 44
3.2 線性回歸——房價預測案例 .......................................................................................... 45
3.2.1 準備數據集 ........................................................................................................... 45
3.2.2 數據預處理 ........................................................................................................... 47
3.2.3 特征選擇 ............................................................................................................... 49
3.2.4 線性回歸模型的建立與優化 ............................................................................... 50
3.2.5 案例總結 ............................................................................................................... 52
3.3 邏輯回歸——腫瘤判斷案例 .......................................................................................... 53
3.3.1 數據預處理 ........................................................................................................... 53
3.3.2 模型訓練 ............................................................................................................... 54
3.3.3 模型評估 ............................................................................................................... 55
3.3.4 案例總結 ............................................................................................................... 58
3.4 總結 .................................................................................................................................. 58
3.5 思考和練習 ...................................................................................................................... 58
第 4 章 圖像的語言：CNN ........................................................................................................... 59
4.1 CNN 概述 ......................................................................................................................... 60
4.1.1 基本概念 ............................................................................................................... 60
4.1.2 CNN 的工作原理 .................................................................................................. 60
4.1.3 卷積計算 ............................................................................................................... 62
4.2 LeNet 介紹——手寫數字識別 ....................................................................................... 64
4.2.1 LeNet 簡介 ............................................................................................................ 64
4.2.2 手寫數字識別數據預處理 ................................................................................... 65
4.2.3 構建 LeNet 模型 ................................................................................................... 66
4.2.4 模型訓練與測試 ................................................................................................... 68
4.2.5 實驗總結 ............................................................................................................... 70
4.3 CNN 進階應用——17Flower 分類進階 ......................................................................... 70
4.3.1 數據預處理 ........................................................................................................... 70
4.3.2 模型構建 ............................................................................................................... 72
4.3.3 模型訓練與評估 ................................................................................................... 74
4.3.4 實驗總結 ............................................................................................................... 74
4.4 總結 .................................................................................................................................. 75
4.5 思考和練習 ...................................................................................................................... 75
第 5 章 反向傳播神經網絡：隱藏層的魔法 ............................................................................... 76
5.1 反向傳播神經網絡概述 .................................................................................................. 77
5.2 損失函數 .......................................................................................................................... 79
5.3 參數優化和梯度下降 ...................................................................................................... 80
5.4 反向傳播算法 .................................................................................................................. 84
5.5 正則化與過擬合 .............................................................................................................. 85
5.6 梯度消失與梯度爆炸 ...................................................................................................... 87
5.7 總結 .................................................................................................................................. 89
5.8 思考和練習 ...................................................................................................................... 89
第 6 章 創造者與批評家：GAN ................................................................................................... 91
6.1 GAN 概述 ........................................................................................................................ 92
6.1.1 GAN 的提出與意義 .............................................................................................. 92
6.1.2 GAN 的組成與結構 .............................................................................................. 92
6.1.3 GAN 的數學基礎 .................................................................................................. 94
6.1.4 GAN 的變體 .......................................................................................................... 95
6.1.5 GAN 的應用 .......................................................................................................... 96
6.2 換掉你的臉：用 GAN 提高圖像生成質量 .................................................................... 96
6.2.1 人臉圖像生成的基本流程 ................................................................................... 96
6.2.2 GAN 在人臉圖像生成中的關鍵技術 .................................................................. 98
6.2.3 案例分析：使用 GAN 進行人臉圖像生成 ......................................................... 99
6.3 總結 ................................................................................................................................ 117
6.4 思考和練習 .................................................................................................................... 117
第 7 章 時間的舞者：LSTM 與 RNN ........................................................................................ 118
7.1 RNN 概述 ....................................................................................................................... 119
7.2 LSTM 概述 .................................................................................................................... 120
7.3 智能客服助手：基於自然語言理解的在線支持 ........................................................ 122
7.4 氣象預報：應用 LSTM 進行時間序列分析 ................................................................ 125
7.5 總結 ................................................................................................................................ 132
7.6 思考和練習 .................................................................................................................... 132
第 8 章 語言的深層次：Transformer 與 BERT ......................................................................... 134
8.1 Transformer 的誕生 ....................................................................................................... 135
8.1.1 為什麼需要 Transformer .................................................................................... 135
8.1.2 Transformer 的基本架構 .................................................................................... 135
8.1.3 Transformer 的優勢 ............................................................................................ 138
8.2 BERT 的興起 ................................................................................................................. 139
8.2.1 BERT 的背景和誕生 .......................................................................................... 139
8.2.2 BERT 的基本原理 .............................................................................................. 139
8.2.3 BERT 的影響 ...................................................................................................... 140
8.2.4 實驗：BERT 在情感分析中的應用 .................................................................. 140
8.3 雙向與生成的融合：BART .......................................................................................... 148
8.3.1 為什麼需要 BART .............................................................................................. 148
8.3.2 BART 的工作原理 .............................................................................................. 148
8.3.3 BART 與 BERT 的比較 ..................................................................................... 149
8.3.4 BART 的影響和應用 .......................................................................................... 149
8.4 總結 ................................................................................................................................ 150
8.5 思考和練習 .................................................................................................................... 150
第 9 章 一瞥即見：YOLO 系列算法 ......................................................................................... 152
9.1 目標檢測基礎 ................................................................................................................ 153
9.1.1 從圖像分類到目標檢測 ..................................................................................... 153
9.1.2 什麼是目標檢測 ................................................................................................. 153
9.1.3 常用的目標檢測方法 ......................................................................................... 154
9.2 YOLO 概述 .................................................................................................................... 155
9.2.1 YOLO 的版本與進化 ......................................................................................... 155
9.2.2 YOLO 的工作原理 ............................................................................................. 156
9.3 圖像分類與目標檢測的交互 ........................................................................................ 156
9.4 實際應用與挑戰 ............................................................................................................ 157
9.5 YOLOv8 零基礎入門開發部署 .................................................................................... 157
9.6 總結 ................................................................................................................................ 160
9.7 思考和練習 .................................................................................................................... 160
第 10 章 情感的傾訴：人臉表情識別 ....................................................................................... 162
10.1 人臉識別與表情識別 .................................................................................................. 163
10.2 特征提取 ...................................................................................................................... 165
10.3 表情分類 ...................................................................................................................... 168
10.4 總結 .............................................................................................................................. 171
10.5 思考和練習 .................................................................................................................. 171
第 11 章 舞蹈的詩：人體姿態識別 ........................................................................................... 173
11.1 人體姿態識別的魔力 .................................................................................................. 173
11.1.1 人體姿態識別算法 ........................................................................................... 174
11.1.2 人體姿態識別技術的應用 ............................................................................... 174
11.2 人體姿態識別基礎知識 .............................................................................................. 175
11.2.1 關鍵點檢測 ....................................................................................................... 175
11.2.2 2D 人體姿態識別 ............................................................................................. 177
11.2.3 3D 人體姿態識別 ............................................................................................. 179
11.3 人體姿態識別核心技術 .............................................................................................. 181
11.3.1 OpenPose：先驅之作 ....................................................................................... 181
11.3.2 AlphaPose：進化的效率與準確性 .................................................................. 183
11.3.3 MediaPipe：跨平臺的解決方案 ...................................................................... 185
11.4 實際應用與挑戰 .......................................................................................................... 186
11.4.1 人體姿態識別在體育、娛樂和醫療領域的應用 ............................................ 186
11.4.2 實時姿態識別的挑戰 ....................................................................................... 187
11.5 總結 .............................................................................................................................. 188
11.6 思考和練習 .................................................................................................................. 188
第 12 章 探索巨擘：ChatGPT 與其他大型預訓練模型 ........................................................... 190
12.1 ChatGPT 概述 .............................................................................................................. 190
12.2 ChatGPT 的技術原理和應用場景 .............................................................................. 191
12.2.1 無監督預訓練技術 ........................................................................................... 191
12.2.2 ChatGPT 的應用場景 ....................................................................................... 194
12.3 ChatGPT 與其他大型預訓練模型的對比 .................................................................. 195
12.3.1 ChatGPT 的優勢和局限性 ............................................................................... 195
12.3.2 ChatGPT 的未來發展趨勢 ............................................................................... 196
12.4 CLIP 模型 .................................................................................................................... 197
12.4.1 CLIP 概述 .......................................................................................................... 197
12.4.2 CLIP 模型的應用 .............................................................................................. 197
12.4.3 CLIP 模型實戰：圖像檢索 .............................................................................. 198
12.5 Llama 2 ......................................................................................................................... 199
12.6 大模型微調實戰：ChatGLM 微調 ............................................................................. 199
12.7 總結 .............................................................................................................................. 202
12.8 思考和練習 .................................................................................................................. 202
第 13 章 守護智慧之門——AI 安全 .......................................................................................... 203
13.1 AI 安全：挑戰與機遇 ................................................................................................. 204
13.1.1 AI 的廣泛應用與安全挑戰 .............................................................................. 204
13.1.2 對抗攻擊：威脅 AI 穩健運行的巨大挑戰 ..................................................... 205
13.1.3 從梯度到像素：對抗攻擊如何讓 AI“看走眼” .......................................... 206
13.2 AI 決策中的倫理與道德挑戰 ..................................................................................... 208
13.2.1 AI 決策的科學性與公正性 .............................................................................. 209
13.2.2 偏見與歧視：AI 決策中的隱形陷阱 .............................................................. 209
13.2.3 隱私與安全：AI 決策中的倫理邊界 .............................................................. 210
13.3 防禦策略與工具：保護 AI 世界 ................................................................................ 211
13.3.1 對抗性防禦：提高 AI 模型的穩健性 ............................................................. 211
13.3.2 對抗性防禦：主流開源庫 ............................................................................... 212
13.4 AI 安全的未來趨勢 ..................................................................................................... 215
13.4.1 AI 安全研究面臨的新挑戰與發展趨勢 .......................................................... 215
13.4.2 法律與監管：AI 安全的制度保障 .................................................................. 216
13.5 YOLO 目標檢測模型對抗性攻防實驗 ...................................................................... 217
13.6 總結 .............................................................................................................................. 220
13.7 思考和練習 .................................................................................................................. 221
參考文獻 ......................................................................................................................................... 222
