|
|
内容简介
本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用，同时涵盖卷积网络、Transformer 等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析，阐释其原理、算法流程及实际应用场景。对于机器学习领域的新手，本书是全面且系统的入门教材，可引领其踏入深度学习的知识殿堂；对于机器学习领域从业者，本书是深化专业知识、紧跟技术前沿的有力工具；对于相关专业学生，本书是学习深度学习课程、开展学术研究的优质参考资料。无论是理论学习、实践应用还是学术研究，本书都是读者在深度学习领域探索与前行的重要指引。
Christopher M. Bishop 在 1995 年出版了一本非常出色的神经网络教科书，他对这一领域及其核心思想有着深刻的了解。他在解释神经网络方面的多年经验使他非常善于以简单的方式阐述复杂的观点，看到他将这些技能应用于该领域革命性的新发展，我们感到非常高兴。
—— 杰弗里·辛顿（Geoffrey Hinton）， 2024 年诺贝尔物理学奖得主，2018 年图灵奖得主
随着近年来深度学习和人工智能研究领域的爆炸式发展，以及人工智能应用的快速增长，我们迫切需要一本关于这一主题的现代教科书。Christopher M. Bishop 的这本书应运而生，本书介绍了有监督和无监督学习的算法、现代深度学习架构等，以及如何将这些应用于各种领域。
—— 杨立昆（Yann LeCun），2018 年图灵奖得主
本书以概率论为坚实基础，具有深厚的教育意义，将带领读者了解深度学习的主要概念和进展。这些概念正在为当前的工业人工智能系统提供动力，并有可能成为通用人工智能进一步发展的基础。
—— 约书亚·本吉奥 （Yoshua Bengio），2018 年图灵奖得主
作者简介
克里斯托弗·M. 毕晓普（Christopher M. Bishop）
微软公司技术研究员、微软研究 院 科 学 智 能 中 心（Microsoft Research AI4Science）负责人。剑桥达尔文学院院士、英国皇家工程院院士、爱丁堡皇家学会院士和伦敦皇家学会院士。曾出版经典著作《模式识别与机器学习》（Pattern Recognition and Machine Learning）。
休·毕晓普（Hugh Bishop）
Wayve 公司（伦敦一家基于端到端深度学习的自动驾驶公司）应用科学家，负责设计和训练深度神经网络。拥有剑桥大学工程系机器学习和机器智能专业硕士
学位、杜伦大学计算机科学工程学硕士学位。
|
|
发表于 2025-6-10 10:26:06
发表于 2025-6-10 11:10:09