实用MATLAB深度学习(基于项目的方法)/电子信息前沿技术丛书

本书从深度学习基础理论和MATLAB机器学习工具箱开始，由浅入深地介绍主流深度学习技术在多个特定工程领域的技术实践。在广泛的场景中为读者提供有价值的理论建模、数据生成以及网络结构设计的方法与技术，这些知识将带领读者探寻深度学习技术的本质，并教会读者适当地使用这类技术解决自己的研究问题。
本书结合作者多年从事MATLAB商用工具箱设计的丰富经验，专门针对从事实际工作的工程师撰写，覆盖深度学习的技术细节，告诉我们深度学习集技术、科学和艺术于一体，涉及统计、矩阵、算法、优化、编程、分布式计算和安全等多个领域。本书出版后，好评如潮，获得相关领域内众多学者和工程师的关注。

迈克尔·帕拉斯泽克Michael Paluszek，普林斯顿卫星系统(PSS)公司总裁，该公司位于美国新泽西州普莱恩斯伯勒。Paluszek先生于1992年创建了PSS公司，主要业务是提供航空航天咨询服务。他使用MATLAB开发了地球同步通信卫星的控制系统和仿真系统Indostar-1，并于1995年推出了普林斯顿卫星系统公司的个商业MATLAB工具箱：航天器控制工具箱。从那时起，他已经先后为飞行器、潜水艇、机器人和核聚变推进系统等开发了工具箱和软件包，并且形成了覆盖范围广泛的公司产品线。他目前正在领导一个美国陆军小型卫星精密姿态控制的研究合同项目，并与普林斯顿等离子体物理实验室合作开发一个用于发电和太空推进的紧凑型核聚变反应堆。

章 什么是深度学习
1.1 深度学习
1.2 深度学习的历史
1.3 神经网络
1.3.1 日光检测器
1.3.2 “异或”神经网络
1.4 深度学习与数据
1.5 深度学习的类型
1.5.1 多层神经网络
1.5.2 卷积神经网络(CNN)
1.5.3 循环神经网络(RNN)
1.5.4 长短期记忆网络(LSTM)
1.5.5 递归神经网络
1.5.6 时间卷积机(TCM)
1.5.7 堆叠自动编码器
1.5.8 极限学习机(ELM)
1.5.9 递归深度学习
1.5.10 生成式深度学习
1.6 深度学习的应用
1.7 本书的组成架构
第2章 MATLAB机器学习工具箱
2.1 商业MATLAB软件
2.2 MATLAB开源工具
2.2.1 深度学习工具箱
2.2.2 深度神经网络
2.2.3 MatConvNet
2.2.4 模式识别和机器学习工具箱(PRMLT)
2.3 XOR示例
2.4 训练
2.5 策梅洛问题
第3章 利用深度学习寻找圆形
3.1 引言
3.2 结构
3.2.1 图像输入层
3.2.2 二维卷积层
3.2.3 批标准化层
3.2.4 激活函数层
3.2.5 二维优选池化层
3.2.6 全连接层
3.2.7 softmax层
3.2.8 分类层
3.2.9 将层结构化
3.3 生成数据：椭圆和圆
3.3.1 问题
3.3.2 解决方案
3.3.3 运行过程
3.4 训练和测试
3.4.1 问题
3.4.2 解决方案
3.4.3 运行过程
第4章 电影分类
4.1 引言
4.2 生成电影数据库
4.2.1 问题
4.2.2 解决方案
4.2.3 运行过程
4.3 生成观影者数据库
4.3.1 问题
4.3.2 解决方案
4.3.3 运行过程
4.4 训练和测试
4.4.1 问题
4.4.2 解决方案
4.4.3 运行过程
第5章 深度学习算法
5.1 构建检测过滤器
5.1.1 问题
5.1.2 解决方案
5.1.3 运行过程
……
第6章 托卡马克中断检测
第7章 分类芭蕾舞者的足尖旋转动作
第8章 补全句子
第9章 基于地形的导航
0章 股票预测
1章 图像分类
2章 轨道测定
参考文献
中英文术语对照表