深度學習經(jīng)典案例解析（基于MATLAB）

前言
基礎篇
案例1 巧婦難為無米之炊：數(shù)據(jù)集的制作與加載
1．1 機器學習中的數(shù)據(jù)集
1．2 如何加載MATLAB自帶的數(shù)據(jù)集
1．3 如何加載自己制作的數(shù)據(jù)集
1．4 如何加載公開數(shù)據(jù)集：以CIFAR-10為例
1．5 如何劃分訓練集與驗證集
1．6 如何擴充數(shù)據(jù)樣本集
案例2 小試牛刀：如何構建一個卷積神經(jīng)網(wǎng)絡
2．1 CNN的核心——“卷積”
2．2 卷積神經(jīng)網(wǎng)絡的結構及原理
2．3 從仿生角度看卷積神經(jīng)網(wǎng)絡
2．4 基于深度學習工具箱函數(shù)構造卷積神經(jīng)網(wǎng)絡
2．5 采用DeepNetworkDesigner實現(xiàn)卷積網(wǎng)絡設計
2．6 其他與構建深度網(wǎng)絡相關的函數(shù)
案例3 精雕細琢：如何訓練一個卷積神經(jīng)網(wǎng)紹
3．1 基本概念一點通
3．2 實例需求與實現(xiàn)步驟
3．3 構建卷積神經(jīng)網(wǎng)絡
3．4 訓練卷積神經(jīng)網(wǎng)絡
3．5 例程實現(xiàn)與解析

應用篇
案例4 LeNet卷積神經(jīng)網(wǎng)絡的應用：紅綠燈識別
4．1 LeNet卷積神經(jīng)網(wǎng)絡
4．2 基于改進LeNet的交通燈識別
4．3 例程實現(xiàn)與解析
案例5 AlexNet卷積神經(jīng)網(wǎng)絡的應用：基于遷移學習的圖像分類
5．1 什么是遷移學習
5．2 從不同的角度看遷移學習
5．3 AlexNet網(wǎng)絡的原理
5．4 基于AlexNet實現(xiàn)遷移學習的步驟
5．5 AlexNet的加載方法
5．6 如何對AlexNet進行改進以實現(xiàn)遷移學習
5．7 本節(jié)所用到的函數(shù)解析
5．8 例程實現(xiàn)與解析
5．9 采用DeepNetworkDesigner輔助實現(xiàn)遷移學習
案例6 VGG16卷積神經(jīng)網(wǎng)絡的應用：融合卷積神經(jīng)網(wǎng)絡與支持向量機的物體識別
……

實戰(zhàn)篇
參考文獻