文件名称：深度学习方法及应用 完整版
文件大小：19.99MB
文件格式：ZIP
更新时间：2019-12-19 07:10:38
深度学习
《深度学习：方法和应用》这本书对深度学习方法以及它在各种信号与信息处理任务中的应用进行了概述。本书中所列举的应用是根据以下三个标准来选取的：（1）本书作者所具备的专业技能和知识；（2）由于深度学习技术的成功应用而取得了重大突破的领域，比如语音识别和计算机视觉等;（3）由于深度学习的应用而有可能发生巨变的应用领域，以及从深度学习的新研究中获益的应用领域，其中包括自然语言和文本处理、信息检索和多任务深度学习驱动下的多模态信息处理。对于深度学习方法以及它在各种信号信息处理应用方面具有浓厚兴趣的研究人员与学生来说，《深度学习：方法和应用》的时效性很强。 目录 译者序 原书序 1引言 1.1深度学习的定义与背景 1.2本书的结构安排 2深度学习的历史 3三类深度学习网络 3.1三元分类方式 3.2无监督和生成式学习深度网络 3.3监督学习深度网络 3.4混合深度网络 4深度自编码器——一种无监督学习方法 4.1引言 4.2利用深度自编码器来提取语音特征 4.3堆叠式去噪自编码器 4.4转换自编码器 5预训练的深度神经网络——一种混合方法 5.1受限玻尔兹曼机 5.2无监督逐层预训练 5.3DNN和HMM结合 6深度堆叠网络及其变形——有监督学习 6.1简介 6.2深度堆叠网络的基本结构 6.3一种学习DSN权值的方法 6.4张量深度堆叠网络 6.5核化深度堆叠网络 7语音和音频处理中的应用 7.1语音识别中声学模型的建立 7.2语音合成 7.3音频和音乐处理 8在语言模型和自然语言处理中的相关应用 8.1语言模型 8.2自然语言处理 9信息检索领域中的应用 9.1信息检索简介 9.2用基于深度自编码器的语义哈希方法对文档进行索引和检索 9.3文档检索中的深度结构语义模型 9.4信息检索中深度堆叠网络的应用 10在目标识别和计算机视觉中的应用 10.1无监督或生成特征学习 10.2有监督特征学习和分类 11多模态和多任务学习中的典型应用 11.1多模态：文本和图像 11.2多模态：语音和图像 11.3在语音、自然语言处理或者图像领域的多任务学习 12结论 附录 参考文献
【文件预览】：
深度学习方法及应用.pdf