深度學習與信號處理：原理與實踐

前言
第1章初識深度學習1
1.1深度學習有多深1
1.2深度學習如何學4
1.3深度學習如何提速5
1.4主流深度學習框架12
1.5本書內(nèi)容與體系結構13
第2章人工神經(jīng)網(wǎng)絡15
2.1神經(jīng)網(wǎng)絡演進15
2.2神經(jīng)網(wǎng)絡訓練與預測22
2.3優(yōu)化算法23
2.4計算圖30
2.5正則化懲罰項36
2.6神經(jīng)網(wǎng)絡BP算法39
2.7過擬合與欠擬合43
2.8實例1：基于前饋神經(jīng)網(wǎng)絡的動量盲均衡算法52
第3章模糊神經(jīng)網(wǎng)絡58
3.1隸屬函數(shù)59
3.2常規(guī)模糊神經(jīng)網(wǎng)絡66
3.3模糊聯(lián)想記憶神經(jīng)網(wǎng)絡67
3.4神經(jīng)模糊推理系統(tǒng)70
3.5神經(jīng)網(wǎng)絡近似邏輯72
3.6實例2：基于智能模糊神經(jīng)網(wǎng)絡的導彈防御系統(tǒng)未知飛行目標識別方法73
第4章概率神經(jīng)網(wǎng)絡85
4.1模式分類的貝葉斯判定策略85
4.2密度估計的一致性86
4.3概率神經(jīng)網(wǎng)絡87
4.4貝葉斯陰陽系統(tǒng)理論90
4.5實例3：基于離散余弦變換和概率神經(jīng)網(wǎng)絡的腦腫瘤分類方法91
第5章小波神經(jīng)網(wǎng)絡97
5.1小波理論97
5.2小波神經(jīng)網(wǎng)絡101
5.3小波神經(jīng)網(wǎng)絡訓練架構106
5.4小波神經(jīng)網(wǎng)絡優(yōu)化方法107
5.5實例4：基于嵌入小波神經(jīng)網(wǎng)絡的常模盲均衡算法110
第6章卷積神經(jīng)網(wǎng)絡116
6.1卷積神經(jīng)網(wǎng)絡結構116
6.2卷積神經(jīng)網(wǎng)絡128
6.3卷積操作的變種129
6.4池化操作的變種137
6.5常見的幾種卷積神經(jīng)網(wǎng)絡結構145
6.6幾種拓展的卷積神經(jīng)網(wǎng)絡結構158
6.7實例5：基于深度卷積神經(jīng)網(wǎng)絡
的遙感圖像分類162
6.8實例6：基于深度卷積神經(jīng)網(wǎng)絡的運動模糊去除170
第7章深度生成對抗網(wǎng)絡181
7.1生成對抗網(wǎng)絡原理181
7.3小波生成對抗網(wǎng)絡190
7.4多尺度生成對抗網(wǎng)絡196
7.5實例7：基于條件生成對抗網(wǎng)絡的三維肝臟及腫瘤區(qū)域自動分割200
7.6實例8：基于深度殘差生成對抗網(wǎng)絡的運動模糊圖像復原208
第8章深度受限玻爾茲曼機216
8.1玻爾茲曼機216
8.2稀疏受限玻爾茲曼機及競爭學習220
8.3分類受限玻爾茲曼機與改進模型226
8.4 (2D)2PCA受限玻爾茲曼機230
8.5實例9：受限玻爾茲曼機的步態(tài)特征提取及其識別232
第9章深度信念網(wǎng)絡238
9.1深度信念網(wǎng)絡概述238
9.2 Gamma深度信念網(wǎng)絡243
9.3自適應深度信念網(wǎng)絡246
9.4 KPCA深度信念網(wǎng)絡248
9.5全參數(shù)動態(tài)學習深度信念網(wǎng)絡250
9.6深度信念網(wǎng)絡優(yōu)化252
9.7實例10：基于貪婪方法的深度信念網(wǎng)絡診斷注意缺陷多動障礙259
第10章深度自編碼器264
10.1自編碼器264
10.2稀疏自適應編碼器267
10.3變分自編碼器268
10.4自編碼回聲狀態(tài)網(wǎng)絡274
10.5深度典型相關稀疏自編碼器277
10.6條件雙重對抗自編碼網(wǎng)絡280
10.7自編碼應用模型283
10.8實例11：基于改進LDA和自編碼器的調(diào)制識別算法296
參考文獻303