目 录

第1章 绪论1

1.1 人工智能2

1.2 机器学习3

1.2.1 监督学习3

1.2.2 非监督学习3

1.2.3 半监督学习4

1.3 深度学习4

1.3.1 卷积神经网络4

1.3.2 循环神经网络5

1.4 实现工具6

1.4.1 Python6

1.4.2 TensorFlow6

第2章 Python基础9

目 录

第1章 绪论1

1.1 人工智能2

1.2 机器学习3

1.2.1 监督学习3

1.2.2 非监督学习3

1.2.3 半监督学习4

1.3 深度学习4

1.3.1 卷积神经网络4

1.3.2 循环神经网络5

1.4 实现工具6

1.4.1 Python6

1.4.2 TensorFlow6

第2章 Python基础9

2.1 Python简介10

2.1.1 概述10

2.1.2 Python的特点10

2.1.3 Python的版本11

2.2 Python的安装11

2.2.1 Python官网下载安装11

2.2.2 Anaconda的安装14

2.3 Spyder编辑器16

2.3.1 Spyder界面16

2.3.2 Spyder快捷键19

2.4 Python基础知识19

2.4.1 基本语法20

2.4.2 基本数据类型和运算23

2.4.3 列表、元组和字符串25

2.4.4 字典和集合32

2.4.5 分支和循环35

2.4.6 函数和类37

2.4.7 模块40

第3章 Python基础库43

3.1 Numpy库44

3.1.1 创建数组44

3.1.2 ndarray类47

3.1.3 数组操作48

3.1.4 形状操作55

3.2 Matplotlib库58

3.2.1 快速绘图58

3.2.2 绘制多轴图61

3.2.3 绘制3D图64

3.3 Scipy库67

3.3.1 scipy.io67

3.3.2 scipy.linalg68

3.3.3 scipy.fftpack69

3.3.4 scipy.optimize70

3.3.5 scipy.interpolate71

3.3.6 scipy.stats72

第4章 TensorFlow基础75

4.1 概述76

4.2 TensorFlow的安装77

4.3 TensorFlow基本概念79

4.3.1 Graph和Session79

4.3.2 placeholder82

4.3.3 tensor82

4.3.4 Variable85

4.3.5 fetch和feed87

4.4 MNIST89

4.4.1 MNIST简介89

4.4.2 MNIST解析90

第5章 神经网络基础95

5.1 神经网络概述96

5.1.1 神经网络常用术语97

5.1.2 神经网络模型99

5.1.3 神经网络的运作99

5.1.4 神经网络算法的特点100

5.2 神经元模型101

5.3 激活函数103

5.4.1 sigmoid函数104

5.4.2 tanh函数104

5.4.3 ReLU函数105

5.4.4 softmax函数106

5.4 损失函数106

5.4.1 均方差函数106

5.4.2 交叉熵函数107

5.5 梯度下降算法107

5.5.1 梯度下降算法推导108

5.5.2 梯度下降算法种类108

5.5 BP算法109

5.5.1 BP网络简介109

5.5.2 BP算法流程110

5.6 仿真实例112

第6章 神经网络基础应用117

6.1 感知机118

6.1.1 感知机网络结构119

6.1.2 感知机学习规则120

6.1.3 感知机网络训练120

6.1.5 仿真实例121

6.2 线性回归123

6.2.1 线性回归理论123

6.2.2 仿真实例126

6.3 逻辑回归129

6.3.1 逻辑回归理论129

6.3.2 仿真实例131

第7章 卷积神经网络137

7.1 概述138

7.2 卷积神经网络结构139

7.2.1 卷积层141

7.2.2 池化层144

7.2.3 全连接层147

7.2.4 Dropout 层148

7.3 训练过程148

7.4 卷积神经网络经典模型149

7.4.1 LeNet-5模型149

7.4.2 AlexNet模型150

7.5 仿真实例152

第8章 循环神经网络159

8.1 循环神经网络概述160

8.1.1 循环神经网络结构160

8.1.2 循环神经网络前向传播162

8.1.3 循环神经网络训练算法163

8.2 长短时记忆网络(LSTM)163

8.2.1 LSTM结构164

8.2.2 LSTM前向计算165

8.2.3 LSTM训练算法169

8.2.4 LSTM程序实现169

8.3 循环神经网络的变种170

8.3.1 双向循环神经网络170

8.3.2 深层循环神经网络171

8.4 仿真实例172

附录A Python主要函数181

附录B TensorFlow主要函数189

参考文献198