AlphaGo怎样能击败*中国围棋参赛选手,这书将让你解除神密的面具。
这书理论研究融合,领着你动手能力学习培训和掌握*受欢迎的人工智能应用。根据深度学习TensorFlow专用工具的实践活动,解决真实的世界的人机交互技术难题。
这书陪你迅速新手入门人工智能应用,根据案例表明让硬件配置怎样“智能化系统”。这书关键论述了当今设备智能化的网络热点技术性——深度学习和增强学习技术性的基本原理。在这个基础上,详细介绍AlphaGo融合深度学习和增强学习技术性,怎样击败人们围棋大师的基本原理。接下去,将深度学习的基础理论转换为实践活动,得出怎样根据把握TensorFlow和Keras深度学习架构,制做语音控制智能产品的事例,另外得出机器视觉的另一半检验实例,具体指导用户逐渐学习培训应用深度学习技术性。 这书的关键特性是实践活动实际操作,用好用可运作的实例来入门。这书可做为实践活动新手入门作业指导书,适用对设备智能化有兴趣爱好的低年级本科毕业,也合适于对设备智能化有兴趣爱好的工作人员参照。
目录
- 第1章机器智能的发展1
- 1.1机器智能1
- 1.1.1机器智能的定义1
- 1.1.2机器智能的分类1
- 1.2深度学习2
- 1.2.1机器智能的神经网络方法2
- 1.2.2人工神经元与人工神经网络3
- 1.2.3神经网络的复兴4
- 1.3机器学习5
- 1.3.1机器学习的基本原理5
- 1.3.2机器学习泛化能力6
- 1.3.3大数据是深度学习的基础6
- 参考文献7
- 第2章深度学习8
- 2.1深度学习的原理8
- 2.1.1人工神经元8
- 2.1.2多层人工神经网络10
- 2.1.3神经网络训练11
- 2.2典型的神经网络架构15
- 2.2.1卷积神经网络15
- 2.2.2循环神经网络17
- 2.2.3长短时记忆循环网络18
- 2.2.4门控循环单元循环网络19
- 2.3机器感知21
- 2.3.1语音识别21
- 2.3.2计算机视觉25
- 2.4深度学习实践26
- 2.4.1建模工具26
- 2.4.2软硬件工具26
- 2.5小结28
- 参考文献28
- 第3章强化 学 习30
- 3.1强化学习基础30
- 3.1.1强化学习概述30
- 3.1.2深度强化学习32
- 3.1.3强化学习框架35
- 3.2计算机围棋36
- 3.2.1围棋游戏36
- 3.2.2蒙特卡洛树搜索37
- 3.2.3基于卷积网络的围棋程序43
- 3.3阿尔法围棋的原理43
- 3.3.1阿尔法围棋团队44
- 3.3.2深度卷积网络44
- 3.3.3结合策略网络和价值网络的蒙特卡洛树搜索46
- 3.3.4阿尔法围棋技术总结48
- 3.4小结49
- 参考文献49
- 第4章TensorFlow简介51
- 4.1TensorFlow 51
- 4.2TensorFlow使用53
- 4.2.1TensorFlow起步53
- 4.2.2Tensor Flow 数据的结构53
- 4.2.3TensorFlow的工作流程54
- 4.3Tensor运算54
- 4.4导入实验数据55
- 4.4.1NumpyArray方法56
- 4.4.2TensorFlow组件方法57
- 4.4.3TensorFlow示例58
- 4.5TensorBoard示例59
- 4.6小结61
- 参考文献61
- 第5章Keras简介62
- 5.1Keras62
- 5.2Keras组织结构63
- 5.2.1Models63
- 5.2.2Core Layers63
- 5.2.3Layers63
- 5.2.4Activations63
- 5.2.5Optimizers64
- 5.3Keras实践64
- 5.3.1Keras安装64
- 5.3.2Keras使用65
- 5.4小结66
- 参考文献66
- 第6章声控智能1——预处理与训练67
- 6.1声控智能67
- 6.1.1语音指令67
- 6.1.2语音时频谱图68
- 6.1.3语音文件录音68
- 6.2实验过程69
- 6.2.1语音数据预处理69
- 6.2.2语音识别网络70
- 6.2.3TensorFlow/Keras的使用73
- 6.3小结76
- 参考文献77
- 第7章声控智能2——部署78
- 7.1网站端——在线推断78
- 7.1.1云知音网站功能78
- 7.1.2Flask 网站搭建79
- 7.1.3Flask Keras实现80
- 7.2移动端——离线推断81
- 7.2.1移动端的网络模型文件81
- 7.2.2安卓平台的TensorFlow库生成85
- 7.2.3安卓应用的TensorFlow库调用88
- 7.2.4安卓应用的录音功能调用89
- 7.2.5快速集成开发91
- 7.3小结93
- 参考文献94
- 第8章PYNQ语音识别95
- 8.1PYNQ95
- 8.1.1PYNQ简介95
- 8.1.2PYNQZ1开发板95
- 8.1.3Jupyter Notebook 97
- 8.2实验设计97
- 8.2.1PYNQ设置97
- 8.2.2服务器端设置99
- 8.3实验过程101
- 8.3.1AudioInput101
- 8.3.2传送云端105
- 参考文献106
- 第9章TX1视觉对象检测107
- 9.1英伟达Jetson TX1107
- 9.2YOLO算法107
- 9.2.1YOLO算法107
- 9.2.2YOLOv2算法110
- 9.2.3YOLO的TX1实践112
- 9.3SSD算法113
- 9.3.1SSD算法介绍113
- 9.3.2SSD的TX1实践113
- 参考文献115
- 后记116
- 附录APython和TensorFlow操作基础117A.1Python实践基础117
- A.2TensorFlow实践基础120