简介
“这本书对最前沿的深度学习方法及应用进行了全面的概述，不仅包括自动语音识别(ASR)，还包括计算机视觉、语言建模、文本处理、多模态学习以及信息检索。在深度学习这一领域，这是第一本，也是最有价值的一本书，能使读者对这一领域进行广泛而深入的学习。深度学习对信息处理的很多方面（尤其对语音识别）都具有重大的影响，甚至对整个科技领域的影响也不容忽视。因此，对于有意了解这一领域的学者，这本书是绝对不容错过的。”—— Sadaoki Furui，芝加哥丰田技术研究院院长，日本东京工业大学教授
目录
1. 引言
1.1 深度学习的定义与背景
1.2 本书的结构安排
2. 深度学习的历史
3. 三类深度学习网络
3.1 三元分类方式
3.2 无监督和生成式学习深度网络
3.3 监督学习深度网络
3.4 混合深度网络
4. 深度自编码器——一种无监督学习方法
4.1 引言
4.2 利用深度自编码器来提取语音特征
4.3 堆叠式去噪自编码器
4.4 转换自编码器
5. 预训练的深度神经网络——一种混合方法
5.1 受限玻尔兹曼机
5.2 无监督逐层预训练
5.3 DNN和HMM结合
6. 深度堆叠网络及其变种——有监督学习权值
6.1 简介
6.2 深度堆叠网络的基本结构
6.3 一种学习DSN权值的方法
6.4 张量深度堆叠网络
6.5 核化深度堆叠网络
7. 语音和音频处理中的应用
7.1 语音识别中声学模型的建立
7.2 语音合成
7.3 音频和音乐处理
8. 在语言模型和自然语言处理中的相关应用
8.1 语言模型
8.2 自然语言处理
9. 信息检索领域中的应用
9.1 信息检索简介
9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索
9.3 文档检索中的深度结构语义模型
9.4 信息检索中深度堆叠网络的应用
10. 目标识别和计算机视觉中的应用
10.1无监督或生成特征学习
10.2有监督特征学习和分类
11. 多模态和多任务学习中的典型应用
11.1 多模态：文本和图像
11.2 多模态：语音和图像
11.3 在语音、自然语言处理或者图像领域的多任务学习
12. 结论
附录
参考文献
1.1 深度学习的定义与背景
1.2 本书的结构安排
2. 深度学习的历史
3. 三类深度学习网络
3.1 三元分类方式
3.2 无监督和生成式学习深度网络
3.3 监督学习深度网络
3.4 混合深度网络
4. 深度自编码器——一种无监督学习方法
4.1 引言
4.2 利用深度自编码器来提取语音特征
4.3 堆叠式去噪自编码器
4.4 转换自编码器
5. 预训练的深度神经网络——一种混合方法
5.1 受限玻尔兹曼机
5.2 无监督逐层预训练
5.3 DNN和HMM结合
6. 深度堆叠网络及其变种——有监督学习权值
6.1 简介
6.2 深度堆叠网络的基本结构
6.3 一种学习DSN权值的方法
6.4 张量深度堆叠网络
6.5 核化深度堆叠网络
7. 语音和音频处理中的应用
7.1 语音识别中声学模型的建立
7.2 语音合成
7.3 音频和音乐处理
8. 在语言模型和自然语言处理中的相关应用
8.1 语言模型
8.2 自然语言处理
9. 信息检索领域中的应用
9.1 信息检索简介
9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索
9.3 文档检索中的深度结构语义模型
9.4 信息检索中深度堆叠网络的应用
10. 目标识别和计算机视觉中的应用
10.1无监督或生成特征学习
10.2有监督特征学习和分类
11. 多模态和多任务学习中的典型应用
11.1 多模态：文本和图像
11.2 多模态：语音和图像
11.3 在语音、自然语言处理或者图像领域的多任务学习
12. 结论
附录
参考文献
深度学习：方法及应用
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
