教育>本科研究生>计算机类
智能大数据与深度学习

智能大数据与深度学习"

作者:朱定局
ISBN:9787121342868
定价:¥69.0
字数:160千字
页数:200
出版时间:2018-10
开本:16开
版次:01-01
装帧:
出版社:电子工业出版社
简介

本书是一本原创性的学术专著,分为两部分,第一部分介绍智能大数据与深度学习的理论方法;第二部分介绍智能大数据与深度学习的应用实践。本书的原创性在于提出、研究并给出了12种智能大数据与深度学习的新理论、新方法和新应用。本书适合作为高等院校计算机、大数据专业高年级本科生、研究生的参考用书,同时适用于高等院校、科研院所及企事业单位人员的科研及教学用书。

前言

前 言 因为AlphaGo战胜了人类围棋冠军,深度学习一举成名,再加上BAT、谷歌等国内外知名公司的推崇,深度学习的热浪一波高过一波。深度学习之所以能使神经网络重新受到学者的青睐,主要是因为它用非监督式或半监督式的特征学习和分层特征提取高效算法,替代了手工获取特征,从而使过去被废弃的大量非标签数据得到利用。更重要的是,这也使深度学习的深度得到了极大增加,从而提高了深度学习的处理能力。深度学习虽然是一个初生儿,但地位极高,因为其前身是具有悠久历史的神经网络。20 年前,在我上大学期间,就有神经网络的课程。由于深度学习发展时间较短,所以不论在理论上还是在应用上,都存在很多盲点和缺陷,都需要开拓、创新、完善和升级。 深度学习的春雨过后,无人驾驶、图像识别等人工智能相关应用,如雨后春笋般层出不穷。随着应用的深度发展,其理论研究也在如火如荼地进行。很多企业和高校已经成立了深度学习的研究中心或小组,专门研究深度学习的相关理论和应用,同时,深度学习的培训课程也在国内外掀起了热潮,但其困境是,关于深度学习理论和应用的相关著作仍然比较缺乏。 在深度学习之前,大数据已经火热了几年,深度学习的出现为大数据智能处理提供了一个新的出路。深度学习只有基于大数据才能发挥威力,才能达到很高的准确度。而大数据在应用了深度学习之后,所能达到的处理效果也是传统算法无法企及的。可以说,两者相得益彰、相互促进、互利共赢。 本书可以作为学习和研究深度学习的参考用书,其中,理论部分可以用于完善现有深度学习方法的不足,为理论创新奠定基础;应用部分可以为企业提供更多深度学习应用的新思路和新方案,进而使深度学习在实践中产生更大的价值。 本书的所有章节都是作者原创性的研究成果。本书内容的原创性在于:首次提出并研究给出了两种增强型深度学习神经网络方法及应用,包括基于顶层生成深度学习的数据转换方法和系统、基于双向深度学习的数据对应关系判断、生成方法和系统;首次提出并研究给出了两种高效智能型深度学习神经网络方法及应用,包括精简输入的深度学习神经网络方法和系统、基于数据分割的深度学习方法和系统;首次提出并研究给出了两种动态智能型深度学习神经网络方法及应用,包括基于有向图的深度学习构建方法和系统、深度学习训练方法及层数调整方法和系统;首次提出并研究给出了两种深度学习的大数据智能计算应用,包括基于大数据与深度学习的信息隐藏、提取方法和系统、基于大数据与深度学习的婚恋对象匹配数据处理方法和系统;首次提出并研究给出了两种深度学习的大数据智能诊断应用,包括基于深度学习的面向自动诊断的医疗数据处理系统、基于双深度学习的数据处理方法和疾病诊断装置;首次提出并研究给出了两种深度学习的大数据智能预测应用,包括基于大数据与深度学习的气象预报方法和系统、基于大数据与深度学习的用户数据处理方法和系统。 本书选取的是人工智能的前沿领域和热点领域——深度学习,并将其与各个应用领域进行了交叉创新,在交叉创新的过程中,发现和改进了现有深度学习理论的不足,同时拓展了现有深度学习应用的范围,进而实现了深度学习技术从理论到应用的创新。 本书的特色在于,以深度学习应用牵引深度学习理论的创新,同时以深度学习理论的创新促进深度学习应用的创新。本书在深度学习与各行各业之间进行了大胆的交叉创新,从而使深度学习技术更智能、更普适、更精准、更强大,加速深度学习智能应用的发展。当然,深入后必能浅出,读者也能通过本书,学习到深度学习的新理论和新应用,加深对现有深度学习技术的理解。 书中所述的研究得到了国家级新工科研究与实践项目(粤教高函〔2018〕17 号)、国家社会科学基金重大项目(14ZDB101)、国家自然科学基金重点项目(41630635)、教育部-腾讯公司产学合作协同育人项目(201602001001)、广东高校重大科研项目(粤教科函〔2018〕64)、广东省新工科研究与实践项目(粤教高函〔2017〕118号)、广东省高等教育教学研究和改革重点项目(粤教高函〔2016〕236号)、广东省学位与研究生教育改革研究重点项目(粤教研函〔2016〕39号)、广东省联合培养研究生示范基地(粤教研函〔2016〕39号)的支持。 华南师范大学 朱定局

目录

目 录 第一部分 理 论 方 法 第1章 增强型深度学习神经网络 2 1.1 基于顶层生成深度学习的数据转换方法和系统 2 1.1.1 研究现状 3 1.1.2 基于顶层生成深度学习的数据转换方法 4 1.1.3 基于顶层生成深度学习的数据转换系统 7 1.2 基于双向深度学习的数据对应关系判断、生成方法和系统 9 1.2.1 研究现状 10 1.2.2 基于双向深度学习的数据对应关系判断、生成方法 11 1.2.3 基于双向深度学习的数据对应关系判断、生成系统 28 第2章 高效智能型深度学习神经网络 37 2.1 精简输入的深度学习方法和系统 37 2.1.1 研究现状 37 2.1.2 精简输入的深度学习方法 38 2.1.3 精简输入的深度学习系统 48 2.2 基于数据分割的深度学习方法和系统 50 2.2.1 研究现状 50 2.2.2 基于数据分割的深度学习方法 51 2.2.3 基于数据分割的深度学习系统 57 第3章 动态智能型深度学习神经网络 60 3.1 基于有向图的深度学习构建方法和系统 60 3.1.1 研究现状 60 3.1.2 基于有向图的深度学习构建方法 61 3.1.3 基于有向图的深度学习构建系统 70 3.2 深度学习神经网络训练及层数调整方法和系统 72 3.2.1 研究现状 72 3.2.2 深度学习神经网络训练及层数调整方法 74 3.2.3 深度学习神经网络训练及层数调整系统 80 第二部分 应 用 实 践 第4章 深度学习的大数据智能计算应用 86 4.1 基于大数据与深度学习的信息隐藏、提取方法和系统 86 4.1.1 研究现状 86 4.1.2 基于大数据与深度学习的信息隐藏、提取方法 89 4.1.3 基于大数据与深度学习的信息隐藏、提取系统 102 4.2 基于大数据与深度学习的婚恋对象匹配数据处理方法和系统 108 4.2.1 研究现状 108 4.2.2 基于大数据与深度学习的婚恋对象匹配数据处理方法 109 4.2.3 基于大数据与深度学习的婚恋对象匹配数据处理系统 120 第5章 深度学习的大数据智能诊断应用 123 5.1 基于深度学习的面向自动诊断的医疗数据处理方法和系统 123 5.1.1 研究现状 124 5.1.2 基于深度学习的面向自动诊断的医疗数据处理方法 124 5.1.3 基于深度学习的面向自动诊断的医疗数据处理系统 126 5.2 基于双深度学习的数据处理方法和疾病诊断装置 132 5.2.1 研究现状 132 5.2.2 基于双深度学习的数据处理方法 133 5.2.3 基于双深度学习的疾病诊断装置 145 第6章 深度学习的大数据智能预测应用 148 6.1 基于大数据与深度学习的气象预报方法和系统 148 6.1.1 研究现状 148 6.1.2 基于大数据与深度学习的气象预报方法 149 6.1.3 基于大数据与深度学习的气象预报系统 155 6.2 基于大数据与深度学习的用户数据处理方法和系统 157 6.2.1 研究现状 157 6.2.2 基于大数据与深度学习的用户数据处理方法 158 6.2.3 基于大数据与深度学习的用户数据处理系统 175 结束语 181 参考文献 182

作者简介

编辑推荐

作者寄语

电子资料

www.luweidong.cn

下一个