內容簡介：

深度捲積網絡（DCNN）是目前十分**行的深度神經網絡架構，它的構造清晰直觀，效果引人入勝，在圖像、視頻、語音、語言領域都有廣泛應用。 本書以AI領域**的技術研究和和實踐為基礎，從技術理論、工作原理、實踐方法、架構技巧、訓練方法、技術前瞻等6個維度對深度捲積網絡進行瞭係統、深入、詳細地講解。 以實戰為導嚮，深入分析AlphaGo和GAN的實現過程、技術原理、訓練方法和應用細節，為讀者依次揭開神經網絡、捲積網絡和深度捲積網絡的神秘麵紗，讓讀者瞭解AI的“思考過程”，以及與人類思維的相同和不同之處。 本書在邏輯上分為3個部分： 一部分綜述篇（1、6、9章） 這3章不需要讀者具備編程和數學基礎，對深度學習和神經網絡的基礎知識、AlphaGo的架構設計和工作原理，以及深度學習和人工智能未來的技術發展趨勢進行瞭宏觀介紹。 二部分深度捲積網絡篇（2、3、4、5章） 結閤作者的實際工作經驗和案例代碼，對深度捲積網絡的技術理論、工作原理、實踐方法、架構技巧和訓練方法做瞭係統而深入的講解。 三部分實戰篇（7、8章） 詳細分析瞭AlphaGo和GAN的技術原理、訓練方法和應用細節，包括詳細的代碼分析和大量GAN的精彩實例。 本書的案例代碼在GitHub上提供下載，同時讀者可在GitHub與作者交流本書相關的問題。

作者簡介：

彭博 人工智能、量化交易、區塊鏈領域的**技術專傢，有20年以上的研發經驗。 在人工智能與信息科技方麵，對深度學習、機器學習、計算機圖形學、智能硬件等有較為深入的研究；在量化交易方麵，曾在****的外匯對衝基金負責程序化交易，對市場的微觀和宏觀行為有較為深入的理解；在區塊鏈方麵，對智能閤約、DApp開發和自動交易有較為深入的實踐。

章節目錄：

前言 
引子·神之一手1
1章 走進深度學習的世界5
1.1 從人工智能到深度學習5
1.2 深度神經網絡的威力：以AlphaGo為例8
1.2.1 策略網絡簡述9
1.2.2 泛化：看棋譜就能學會下圍棋11
1.2.3 擬閤與過擬閤11
1.2.4 深度神經網絡的速度優勢12
1.3 深度神經網絡的應用大觀13
1.3.1 圖像分類問題的難度所在13
1.3.2 用深度神經網絡理解圖像15
1.3.3 AlphaGo中的深度神經網絡17
1.3.4 自動發現規律：從數據A到答案B17
1.3.5 深度神經網絡的更多應用18
1.3.6 從分而治之，到端對端學習24
1.4 親自體驗深度神經網絡25
1.4.1 TensorFlow遊樂場25
1.4.2 MNIST數字識彆實例：LeNet-527
1.4.3 策略網絡實例28
1.4.4 簡筆畫：Sketch-RNN29
1.4.5 用GAN生成動漫頭像30
1.5 深度神經網絡的基本特點31
1.5.1 兩大助力：算力、數據31
1.5.2 從特徵工程，到逐層抽象32
1.5.3 深度神經網絡學會的是什麼35
1.6 人工智能與神經網絡的曆史36
1.6.1 人工智能的兩大學派：邏輯與統計37
1.6.2 人工智能與神經網絡的現代編年史37
2章 深度捲積網絡：一課42
2.1 神經元：運作和訓練43
2.1.1 運作：從實例說明43
2.1.2 訓練：梯度下降的思想44
2.1.3 訓練：梯度下降的公式46
2.1.4 訓練：找大小問題的初次嘗試48
正版現貨】深度捲積網絡：原理與實踐 人工智能深度學習 深度神經網絡 下載 mobi epub pdf txt 電子書