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。本书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本书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。

这是一本以深度学习和MATLAB为主要内容的教材。本书内容分为“基础篇”“应用篇”和“实战篇”，涵盖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。 本书首先介绍了机器学习中的数据集制作与预处理，包括如何加载MATLAB自带的数据集、如何加载自己制作的数据集、如何加载公开数据集、如何划分训练集与验证集、如何扩充数据样本集等。接着，本书详细介绍了卷积神经网络的基本结构和原理，包括CNN的核心——“卷积”、卷积神经网络的结构及原理、基于深度学习工具箱函数构造卷积神经网络等。 在“应用篇”，本书通过多个案例，展示了深度学习技术在实际应用中的效果。例如，通过LeNet卷积神经网络的应用，实现了红绿灯识别；通过AlexNet卷积神经网络的应用，实现了基于迁移学习的图像分类；通过VGG16卷积神经网络的应用，实现了融合卷积神经网络与支持向量机的物体识别；通过LSTM长短期记忆神经网络的应用，实现了心电图信号分类；通过ResNet残差网络的应用，实现了新冠肺炎胸片检测。 在“实战篇”，本书通过多个案例，展示了如何将深度学习模型部署到实