简介
本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和算法,包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习案例;之后阐述强化学习的基本理论和算法,包括传统的强化学习方法及其衍生算法以及新型的多智能体或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学习中的应用。本书可作为学习深度学习及强化学习算法的参考书,也可作为高等院校相关课程的教材,还可供从事人工智能领域的专业研究人员和工程技术人员阅读。
编辑推荐
深度学习是人工智能发展的第三次浪潮，相关算法在计算机视觉、自然语言处理、游戏、机器人、无人驾驶及医疗诊断等众多领域取得了显著的成果，在国内外引起了广泛的关注。目前深度学习技术在产业界发展成熟，广大高等院校也相继开设人工智能相关专业。为满足广大读者对于深度学习的学习需求，作者编著了此书。本书按照神经网络到深度强化学习的脉络介绍深度学习的演进与相关理论，帮助读者形成关于深度学习和强化学习系统全面的知识体系。《深度学习——从神经网络到深度强化学习的演进》呈现了以下深度学习和强化学习的理论、技术与应用： . 神经网络与深度学习； . 卷积神经网络； . 循环神经网络及其他深层神经网络； . 深度神经网络的训练方法； . 轻量化神经网络模型； . 强化学习算法； . 多智能体多任务学习； . 深度强化学习； . 迁移学习。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2021-01-01
- 更新： 2023-06-22
- 书号：9787302562047
- 中图：TP183;TP181
- 学科：工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
