我院張憲超教授出版的《深度學習》專著獲科學出版社年度重點推介

2019年11月06日 于紅 點擊:[]

近日,軟件學院張憲超教授出版的《深度學習》專著獲科學出版社年度重點推介書目。深度學習是人工智能領域的前沿技術,是人工智能新一輪浪潮的核心動力。張憲超教授的《深度學習》專著系統全面、資料詳實、緊扣前沿,是學習人工智能的必讀書。

科學出版社在其科學網博客(http://wap.sciencenet.cn/blog-528739-1197692.html)和微信公衆號(sciencepress-cspm)上推薦《深度學習》的內容如下:

深度學習:打開智能時代第一扇大門的鑰匙

https://i.loli.net/2019/09/17/jGZ5fExTXulsKJV.png

人工智能是人類的科技巅峰和終極夢想。早在古希臘時代,先哲們就開始思考如何構建像人一樣思考和行動的機器。圖靈在發明現代計算機模型的同時,也在構思如何實現人工智能。計算機出現以來的幾十年裏,計算機和自動化等領域的科學家們進行了不懈的努力,但始終沒有打開人工智能這扇大門。就在大部分企業和學者已經放棄人工智能時,2006年,著名學者Hinton等發現了訓練深度神經網絡的有效方法並命名爲深度學習。2011年和2012年,深度學習在語音識別和圖像識別方面取得巨大突破。2013年入選《麻省理工學院技術評論》當年十大突破性技術之首。2016年,以深度學習技術爲核心的圍棋軟件AlphaGo打敗了人類世界冠軍,標志著人類正式進入智能時代。2019年3月,ACM宣布將2018年度圖靈獎授予深度學習之父Bengio、LeCun和Hinton,他們使深度神經網絡成爲計算的關鍵元素。深度學習像阿裏巴巴的“芝麻開門”,開啓了通向智能時代的第一扇門;像普羅米修斯偷來的天上之火,點燃了人類進入智能時代文明的火種。

https://i.loli.net/2019/09/17/B9FVXxarGTwlobq.png

1圖灵和圖灵奖杯

https://i.loli.net/2019/09/17/8O6iouVqragth92.png

2深度學習之父,2018年度圖灵奖获得者

深度學習是早期神經網絡的深入發展,是一系列深度神經網絡模型、訓練方法和實現方法的統稱。

正是深度学习引领了人工智能这一轮新的高潮。今天,深度学习已经是人工智能的代名词(甚至包括今后若干年)。目前几乎所有人工智能系统都是在深度学习的基础上构建的。深度学习是在对人脑的逆向工程中发展起来的。尽管深度学习只是揭示和模拟了人脑工作的一小部分机制,但它已经帮助人工智能实现了巨大的跨越。就像飞机的研究是在模拟鸟类飞行一样,虽然最终的飞机远远不像鸟,也没有鸟类飞行的灵活性和稳定性,但今天的飞机已经载着人们翱翔于万里长空。深度学习的出现使得人工智能在很多领域的应用成为可能。就在几年前,人们还常说,计算机的感知能力还不如一岁大的孩子,但今天这句话已经被改写了。深度学习使计算机在圖像识别、语音识别、自然语言处理等方面已经达到或超过人类的水平。构建在这些基础能力之上的复杂智能系统也在蓬勃发展:自动驾驶汽车的安全性已经超过16岁的青少年;智能医疗在癌症、皮肤病等疾病的诊断方面已经超过专业医生;智能程序在德州扑克等很多游戏领域战胜了人类玩家;人工智能在围棋方面已超越了人类围棋冠军。虽然当前的技术距离类人的通用人工智能还很遥远,但以深度学习为核心的人工智能技术已经使世界科技、经济、军事等各个领域纷纷迈入智能化时代。

https://i.loli.net/2019/09/17/3L1HVTwh5CNOpAD.png

3圍棋人機對弈

深度學習不是早期神經網絡的簡單深度化。近年來,人們提出大量新的深度學習模型和訓練方法。最著名的新模型是生成對抗網絡,它于2018年入選《麻省理工學院技術評論》當年十大突破性技術。人們在深度學習理論方面也有很多新的突破,並開始開展深度學習可解釋性、對抗樣本攻擊與防禦等研究。短短幾年,深度學習本身已發展爲一個重要的領域,每年有數以萬計的論文發表,這是科技史上的奇迹。但是,如飛的發展速度也使得很少有人能夠停下來靜心總結。海量的文獻已經使學習和研究深度學習變得越來越困難,一本全面而系統的著作是十分必要的。

當前市面上已經有一些深度學習的書籍,這些書可分爲三類:最多的是實踐入門書,基于某一平台(例如TensorFlow),幫助讀者快速構建深度學習系統,以代碼實現爲主,在理論和方法方面闡述較少;還有少數是科普書,最著名的是美國Sejnowski的《深度學習——智能時代的核心驅動力量》,適合非專業人士閱讀;最後一類是專業書,最著名的是GoodFellow等的被稱爲“花書”的《深度學習》,該書的內容很深入但很晦澀,一般讀者閱讀起來有較大的困難。

《深度學習》分爲上下兩冊,共904頁,145萬字,兼顧初學者和專業人士,深入淺出地討論深度學習的各個方面。本書有以下幾個特色。

.系統全面:本書從機器學習和早期神經網絡出發,系統全面地介紹了(除深度學習專用芯片設計以外的)理論、模型、算法和實現各項內容。尤其是包括生成對抗網絡(已經成爲重要的深度學習技術之一)、注意力機制、深度聚類、可解釋性、對抗樣本攻防和魯棒性,這些是其他書籍很少涉及的。

.深入細致:本書不僅深入討論了各類模型的設計、優化、實現,還詳細闡述了它們的研究動機和發展脈絡,使讀者不但知其然,更知其所以然。幫助讀者在學習的同時,深入思考和梳理,爲進一步研究和應用奠定良好的基礎。

.生動形象:作为一本专业书,本书有大量的数学公式和算法描述。本书除了参考专业文献外,更参考了大量学习者的博客和阅读笔记,同时以大量的圖形形象地展示抽象的理论和算法,帮助读者更加轻松地阅读专业资料。

.緊扣前沿:本書整理了截止到2018年6月(書稿完成的當月)發表在頂級學術會議和期刊的代表性工作(“花書”的文獻截止到2015年)。深度學習發展異常迅速,尤其是近三年湧現出大量堪稱經典的算法和模型。本書的配套網站(http://deeplearningresource.com)還將陸續整理最新發表的文獻,幫助讀者與學術前沿同步。

.資料詳實:本书引用了2000多篇文献,包括最早期的机器学习、神经网络和近期的深度学习,其中近三年文献1500多篇。同时本书的配套网站提供更丰富的文献、代码、数据、彩圖等资料,帮助读者全面理解和学习。

4本書知識體系

作者簡介

張憲超,大連理工大學教授,博士生導師,科研院副院長,大數據與智能決策中心副主任。本科和碩士畢業于國防科技大學系統工程與數學系;博士畢業于中國科技大學計算機科學與技術系,師從中國計算機學會高性能計算專委會首屆主任、首屆國家級教學名師陳國良院士。長期從事人工智能、機器學習和深度學習方面的研究,並致力于軍事、經濟等領域的智能化建設。已主持國家級各類科研項目10余項,發表論文130余篇,出版《數據聚類》專著1部。在無監督學習領域取得了一系列國際領先成果。作爲負責人獲教育部高等學校科學技術獎(自然科學)二等獎和遼甯省自然科學二等獎各1項。任中國指揮與控制學會智能可穿戴專委會副主任以及多個軍事智能化領域的專家。獲得教育部新世紀優秀人才、遼甯省百千萬人才工程、大連市領軍人才等稱號。

https://i.loli.net/2019/09/17/SIAHl34QtC1DGaV.pnghttps://i.loli.net/2019/09/17/ld9ztXM4xuAeT5a.png

《深度学习》对所有主要的深度学习方法和最新研究趋势进行了深入探索。全书分为上下两卷,五个部分。上卷包括两个部分:第一部分是基础算法,包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法;第二部分是判别式模型,包括卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆模型(LSTM)、注意力机制簣D且渫纭O戮戆ㄈ霾糠郑旱谌糠质巧墒侥P停ㄉ疃戎眯磐/深度玻尔兹曼机、自编码器(AE)/变分自编码器(VAE)、生成对抗网络(GAN)、像素级生成、深度聚类等;第四部分是前沿技术,讨论深度强化学习;第五部分是安全保障,包括深度学习的可解释性和对抗样本的攻击与防御。

《深度学习》注重学术前沿,对包括胶囊网络在内的当前最新成果进行了细致的讨论。全书构建了一套明晰的深度学习体系,同时各章内容相对独立,并有辅助网站(http://deeplearningresource.com)在线提供大量论文、代码、数据集和彩圖等学习资源供读者边实践边学习。

上一條:【访杭州IT名企 育软件精英人才】软件学院领导赴杭州开展“软件人才在企业”实地调研 下一條:軟件學院召開領導班子調研成果交流會及對照黨章黨規找差距會議

關閉