类似推荐
编辑推荐
深入理解数学概念，掌握深度学习算法的核心技术与硬件加速方案。
内容简介
本书紧密围绕深度学习及加速技术的基础理论与应用案例展开叙述，实现了深度学习算法设计与硬件加速技术的有机统一，是一本基础理论与实践案例相结合的实用图书。其具体内容涉及人工智能基本概念，神经网络数学基础、神经网络基本结构与学习策略、反向传播算法数学原理与训练机制等神经网络基础理论，以及一些高级主题和实践。
本书可作为从事人工智能领域算法研究、架构设计与应用实现等工作的科研人员、工程师以及高等院校师生的参考书籍。
作者简介
编著者白创，工学博士。2006年毕业于西安交通大学电子信息工程学院信息工程专业，获学士学位；2009年毕业于国防科技大学计算机学院软件工程专业，获硕士学位；2015年毕业于华中科技大学光学与电子信息学院微电子学与固体电子学专业，获博士学位。现为长沙理工大学物理与电子科学学院电子科学与技术专业教师。
主要研究方向为超大规模集成电路开发、机器视觉与模式识别技术，具体包括芯片指纹和硬件防伪等安全领域芯片、射频无线通信芯片的研究与设计，以及深度神经网络学习算法及硬件加速、目标检测与缺陷识别等人工智能领域技术的研究。
章节目录
版权信息
前言
理论篇
第1章 人工智能简介
1.1 人工智能概念
1.2 人工智能与深度学习
1.3 人工智能发展阶段
1.4 人工智能应用
第2章 神经网络数学基础
2.1 线性向量空间
2.2 内积
2.3 线性变换与矩阵表示
2.4 梯度
第3章 神经网络与学习规则
3.1 神经元模型与网络结构
3.2 感知机学习
3.3 Hebb学习
3.4 性能学习
第4章 反向传播
4.1 LMS算法
4.2 反向传播算法
4.3 反向传播算法变形
4.4 反向传播算法实例分析
第5章 卷积神经网络
5.1 卷积神经网络基础
5.2 LeNet
5.3 AlexNet
5.4 VGGNet
5.5 GoogLeNet
5.6 ResNet
第6章 目标检测与识别
6.1 R-CNN
6.2 Fast R-CNN
6.3 Faster R-CNN
6.4 YOLO
第7章 深度学习优化技术
7.1 梯度消失
7.2 过拟合
7.3 初始值与学习速度
7.4 损失函数
第8章 深度学习加速技术
8.1 软件模型优化技术
8.2 GPU加速技术
8.3 TPU加速技术
8.4 FPGA加速技术
应用篇
第9章 基于OpenCL的FPGA异构并行计算技术
9.1 OpenCL技术基础与环境搭建
9.2 OpenCL异构并行计算架构
9.3 OpenCL C语言基本语法与程序设计
9.4 基于OpenCL的FPGA异构并行计算实现方法
第10章 基于OpenCL的FPGA异构并行计算应用案例
10.1 整体描述
10.2 内核程序设计
10.3 主程序设计
10.4 执行与结果分析
第11章 基于OpenVINO的FPGA深度学习加速技术
11.1 OpenVINO技术基础与加速架构
11.2 OpenVINO平台环境搭建
11.3 OpenVINO模型优化器
11.4 OpenVINO推理引擎
第12章 基于OpenVINO的FPGA深度学习加速应用案例
12.1 整体描述
12.2 中间表示IR生成
12.3 推理引擎程序设计
12.4 执行与结果分析
深度学习及加速技术：入门与实践是2023年由机械工业出版社出版,作者白创 编著。
得书感谢您对《深度学习及加速技术：入门与实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
