深度学习基础与案例教程 / 普通高等教育人工智能专业系列教材
定价：￥69.90
作者： 迟殿委，贾泽豪
出版时间：2025-08-26
出版社：机械工业出版社
- 机械工业出版社
- 9787111786368
- 1-1
- 561451
- 平装
- 2025-08-26
- 434
内容简介
《深度学习基础与案例教程》主要介绍深度学习基础理论及案例实战，共11章内容，从人工智能基础，到深度学习算法原理，再到深度学习项目实战，逻辑清晰，由浅入深，内容层次分明，从简单的线性模型引出非线性的深度学习模型。深度学习模型部分主要讲解卷积神经网络、循环神经网络、Transformer模型、生成对抗网络、迁移学习等。《深度学习基础与案例教程》在介绍理论内容时配有公式推导和详细的阐述，便于读者理解。在项目实战方面，本书每个算法理论都对应一个案例进行巩固，并在最后两章结合深度学习的两大领域——自然语言处理与计算机视觉，选取电影评论情感分析与图像分类作为全书的综合实战项目，对全书内容进行总结。《深度学习基础与案例教程》基于TensorFlow框架开发，代码简洁明了，每个项目实战案例都配有完整的项目实现代码，并对代码进行了详细的注解。
《深度学习基础与案例教程》可以作为高等院校人工智能相关专业本科生、研究生的入门教材，也可作为相关工程技术人员的参考书。
《深度学习基础与案例教程》可以作为高等院校人工智能相关专业本科生、研究生的入门教材，也可作为相关工程技术人员的参考书。
目录
前言
第1章人工智能基础
11人工智能简介
111人工智能的背景
112人工智能的历史
113人工智能的定义
12人工智能的特征
13人工智能参考框架
14人工智能研究内容
141研究领域
142人工智能算法及分类
15人工智能研究方向
151知识图谱
152自然语言处理
153人机交互
154计算机视觉
16思考与练习
第2章机器学习与深度
学习入门
21机器学习简介
211什么是机器学习
212机器学习的发展史
213机器学习的分类
22机器学习的基础理论
221机器学习三要素与核心
222机器学习开发流程
22315种经典机器学习算法
224机器学习常用术语
23深度学习简介
231什么是深度学习
232深度学习开发框架
233TensorFlow框架介绍
24人工智能、机器学习、深度
学习的关系
25思考与练习
第3章线性模型
31线性回归算法
311线性回归简介
312回归算法的评价指标
32梯度下降法
321算法理解
322随机梯度下降法理论
323案例：波士顿房价预测实战
33过拟合
331过拟合产生的原因
332常见线性回归正则化方法
333案例：波士顿房价预测正
则化实战
34逻辑斯谛回归
341逻辑斯谛回归算法
342案例：求职录用情况
回归实战
35SVM
351SVM算法概述
352案例：面部识别应用实战
36思考与练习
第4章神经网络基础
41神经网络简介
411神经网络理论
412发展历史及现状
413发展趋向及前沿问题
414神经网络的学习方法
415神经网络的研究趋势
42感知机
421单层感知机
422多层感知机
43全连接神经网络
431全连接神经网络与
多层感知机
432全连接神经网络的结构
44BP神经网络
441梯度下降法
442反向传播算法
443案例：基于BP神经网络模型的
房价预测实战
45Dropout正则化
46批标准化
461批标准化的实现方式
462批标准化的使用方式
463案例：手写数字识别
分类实战
47思考与练习
第5章卷积神经网络
51卷积神经网络简介
511什么是卷积神经网络
512卷积神经网络的基本模型
513卷积神经网络典型的
应用开发流程
52AlexNet模型
521AlexNet模型简介
522AlexNet的特点
523AlexNet的网络结构
524案例：基于AlexNet的Cifar10
分类实战
53VGGNet模型
531 VGGNet模型简介
532 VGG16的网络架构
533案例：基于VGG16的Cifar10
分类实战
54ResNet模型
541ResNet模型简介
542残差学习
543ResNet的网络结构
544案例：基于ResNet的Cifar10
分类实战
55DenseNet模型
551DenseNet模型简介
552DenseNet的结构
553案例：基于DenseNet的猫狗图像
分类实战
56思考与练习
第6章循环神经网络
61循环神经网络简介
611什么是循环神经网络
612循环神经网络的结构
613案例：基于循环神经网络的文本
情感分析实战
62LSTM模型
621LSTM简介
622LSTM结构
623BiLSTM
624案例：基于LSTM的文本情感
分析实战
63思考与练习
第7章Transformer模型
71自注意力机制
72自编码器
721自编码器简介
722最简单的自编码器
723案例：基于自编码器的MNIST
数据集重建实战
73Transformer机制及应用
731Transformer机制
732Transformer模型的应用及
研究进展
733案例：Transformer编码器的
简单实现
74思考与练习
第8章生成对抗网络
81生成对抗网络简介
811GAN模型
812案例：基于GAN的手写数字
识别实战
82DCGAN
821DCGAN模型
822案例：基于DCGAN的手写数字
数据生成
83CGAN
831CGAN模型
832案例：基于CGAN的手写数字
数据生成
84思考与练习
第9章迁移学习
91迁移学习简介
911迁移学习的背景
912迁移学习的理论
913迁移学习的分类
914迁移学习的实现方法
915应用、挑战及意义
916案例：基于迁移学习的Cifar10
分类实战
92迁移学习的应用
921迁移学习在深度学习中的
应用
922迁移学习在强化学习中的
应用
93思考与练习
第10章综合实战——电影评论
情感分析
101文本分类综述
1011背景
1012文本分类的概念
102项目实现过程
1021词嵌入向量
1022IMDb数据集及处理
1023使用RNN进行情感分析
1024使用LSTM进行情感分析
103思考与练习
第11章综合实战——图像分类
111项目需求和数据集
1111项目需求
1112数据集
112项目实现过程
1121导入数据包
1122处理数据
1123搭建神经网络
1124设置优化器、损失函数
1125存取模型、断点续训
1126保存参数
1127可视化
1128预测测试集
1129打包程序
113思考与练习
参考文献
第1章人工智能基础
11人工智能简介
111人工智能的背景
112人工智能的历史
113人工智能的定义
12人工智能的特征
13人工智能参考框架
14人工智能研究内容
141研究领域
142人工智能算法及分类
15人工智能研究方向
151知识图谱
152自然语言处理
153人机交互
154计算机视觉
16思考与练习
第2章机器学习与深度
学习入门
21机器学习简介
211什么是机器学习
212机器学习的发展史
213机器学习的分类
22机器学习的基础理论
221机器学习三要素与核心
222机器学习开发流程
22315种经典机器学习算法
224机器学习常用术语
23深度学习简介
231什么是深度学习
232深度学习开发框架
233TensorFlow框架介绍
24人工智能、机器学习、深度
学习的关系
25思考与练习
第3章线性模型
31线性回归算法
311线性回归简介
312回归算法的评价指标
32梯度下降法
321算法理解
322随机梯度下降法理论
323案例：波士顿房价预测实战
33过拟合
331过拟合产生的原因
332常见线性回归正则化方法
333案例：波士顿房价预测正
则化实战
34逻辑斯谛回归
341逻辑斯谛回归算法
342案例：求职录用情况
回归实战
35SVM
351SVM算法概述
352案例：面部识别应用实战
36思考与练习
第4章神经网络基础
41神经网络简介
411神经网络理论
412发展历史及现状
413发展趋向及前沿问题
414神经网络的学习方法
415神经网络的研究趋势
42感知机
421单层感知机
422多层感知机
43全连接神经网络
431全连接神经网络与
多层感知机
432全连接神经网络的结构
44BP神经网络
441梯度下降法
442反向传播算法
443案例：基于BP神经网络模型的
房价预测实战
45Dropout正则化
46批标准化
461批标准化的实现方式
462批标准化的使用方式
463案例：手写数字识别
分类实战
47思考与练习
第5章卷积神经网络
51卷积神经网络简介
511什么是卷积神经网络
512卷积神经网络的基本模型
513卷积神经网络典型的
应用开发流程
52AlexNet模型
521AlexNet模型简介
522AlexNet的特点
523AlexNet的网络结构
524案例：基于AlexNet的Cifar10
分类实战
53VGGNet模型
531 VGGNet模型简介
532 VGG16的网络架构
533案例：基于VGG16的Cifar10
分类实战
54ResNet模型
541ResNet模型简介
542残差学习
543ResNet的网络结构
544案例：基于ResNet的Cifar10
分类实战
55DenseNet模型
551DenseNet模型简介
552DenseNet的结构
553案例：基于DenseNet的猫狗图像
分类实战
56思考与练习
第6章循环神经网络
61循环神经网络简介
611什么是循环神经网络
612循环神经网络的结构
613案例：基于循环神经网络的文本
情感分析实战
62LSTM模型
621LSTM简介
622LSTM结构
623BiLSTM
624案例：基于LSTM的文本情感
分析实战
63思考与练习
第7章Transformer模型
71自注意力机制
72自编码器
721自编码器简介
722最简单的自编码器
723案例：基于自编码器的MNIST
数据集重建实战
73Transformer机制及应用
731Transformer机制
732Transformer模型的应用及
研究进展
733案例：Transformer编码器的
简单实现
74思考与练习
第8章生成对抗网络
81生成对抗网络简介
811GAN模型
812案例：基于GAN的手写数字
识别实战
82DCGAN
821DCGAN模型
822案例：基于DCGAN的手写数字
数据生成
83CGAN
831CGAN模型
832案例：基于CGAN的手写数字
数据生成
84思考与练习
第9章迁移学习
91迁移学习简介
911迁移学习的背景
912迁移学习的理论
913迁移学习的分类
914迁移学习的实现方法
915应用、挑战及意义
916案例：基于迁移学习的Cifar10
分类实战
92迁移学习的应用
921迁移学习在深度学习中的
应用
922迁移学习在强化学习中的
应用
93思考与练习
第10章综合实战——电影评论
情感分析
101文本分类综述
1011背景
1012文本分类的概念
102项目实现过程
1021词嵌入向量
1022IMDb数据集及处理
1023使用RNN进行情感分析
1024使用LSTM进行情感分析
103思考与练习
第11章综合实战——图像分类
111项目需求和数据集
1111项目需求
1112数据集
112项目实现过程
1121导入数据包
1122处理数据
1123搭建神经网络
1124设置优化器、损失函数
1125存取模型、断点续训
1126保存参数
1127可视化
1128预测测试集
1129打包程序
113思考与练习
参考文献
