深度学习经典案例解析（基于MATLAB）

　　《深度学习经典案例解析（基于MATLAB）》分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐进地介绍了深度学习网络的构建、训练、应用，以及如何基于MATLAB快速生成可执行的C、C++代码并在硬件上部署实现，内容讲解由浅及深、层层递进。　《深度学习经典案例解析（基于MATLAB）》所讲解的案例均配有代码实现，并对代码进行了详细注解，读者可通过阅读代码对《深度学习经典案例解析（基于MATLAB）》讲解的内容进行更加深入的了解。　《深度学习经典案例解析（基于MATLAB）》适合对人工智能、深度学习技术感兴趣的工程技术人员阅读，也适合人工智能、计算机科学技术相关专业的本科生、研究生学习参考。

　　赵小川，博士，研究员，博士生导师，高新技术企业评审专家、武警装备智能化专家委员会委员：北京市科学技术委员会、自然科学基金委员会、陆军装备部项目评审专家：核心期刊《计算机工程》青年编委：担任期刊Robotica和《计算机应用研究》的审稿专家。　研究方向为人工智能技术，在感知智能、交互智能、仿生智能等方面有所突破和创新：近年来，作为项目负责人主持科研项目共计20余项：作为首发明人先后获得国家发明专利12项。

前言
基础篇
案例1 巧妇难为无米之炊：数据集的制作与加载
1．1 机器学习中的数据集
1．2 如何加载MATLAB自带的数据集
1．3 如何加载自己制作的数据集
1．4 如何加载公开数据集：以CIFAR-10为例
1．5 如何划分训练集与验证集
1．6 如何扩充数据样本集
案例2 小试牛刀：如何构建一个卷积神经网络
2．1 CNN的核心——“卷积”
2．2 卷积神经网络的结构及原理
2．3 从仿生角度看卷积神经网络
2．4 基于深度学习工具箱函数构造卷积神经网络
2．5 采用DeepNetworkDesigner实现卷积网络设计
2．6 其他与构建深度网络相关的函数
案例3 精雕细琢：如何训练一个卷积神经网绍
3．1 基本概念一点通
3．2 实例需求与实现步骤
3．3 构建卷积神经网络
3．4 训练卷积神经网络
3．5 例程实现与解析

应用篇
案例4 LeNet卷积神经网络的应用：红绿灯识别
4．1 LeNet卷积神经网络
4．2 基于改进LeNet的交通灯识别
4．3 例程实现与解析
案例5 AlexNet卷积神经网络的应用：基于迁移学习的图像分类
5．1 什么是迁移学习
5．2 从不同的角度看迁移学习
5．3 AlexNet网络的原理
5．4 基于AlexNet实现迁移学习的步骤
5．5 AlexNet的加载方法
5．6 如何对AlexNet进行改进以实现迁移学习
5．7 本节所用到的函数解析
5．8 例程实现与解析
5．9 采用DeepNetworkDesigner辅助实现迁移学习
案例6 VGG16卷积神经网络的应用：融合卷积神经网络与支持向量机的物体识别
……

实战篇
参考文献