幫助中心 | 我的帳號 | 關於我們

MATLAB深度學習(機器學習神經網路與人工智慧)

  • 作者:(美)菲爾·吉米|譯者:敖富江//杜靜//周浩
  • 出版社:清華大學
  • ISBN:9787302496380
  • 出版日期:2018/03/01
  • 裝幀:平裝
  • 頁數:116
人民幣:RMB 49.8 元      售價:
放入購物車
加入收藏夾

內容大鋼
    在菲爾·吉米著的《MATLAB深度學習(機器學習神經網路與人工智慧)》深入淺出的指導方式下,開啟MATLAB深度學習與人工智慧之旅吧!本書開篇介紹機器學習的基礎知識,然後逐漸鋪開,分別討論神經網路、深度學習以及卷積神經網路。為將理論知識與實際應用完美結合,本書將MATLAB作為書中示例及案例分析的基礎編程語言和開發工具。
    通過學習本書,你將能應對當今現實世界中的一些大數據、智能機器人以及其他複雜數據問題。你將體會到,在當前的智能數據分析與應用中,深度學習是機器學習領域更高級、更智能的方面。

作者介紹
(美)菲爾·吉米|譯者:敖富江//杜靜//周浩
    Phil Kim博士是一名經驗豐富的MATLAB程序員和用戶。他致力於研究來源於人工智慧的海量數據的處理演算法,並且研究機器學習。他曾任韓國航天航空研究院高級研究員。在該院他的主要任務是開發用於無人駕駛飛行器的自主飛行演算法和機載軟體。他在攻讀博士學位期間開發了一款名為Clickey的屏幕鍵盤程序,該程序成為他當前就任韓國國家康復研究院高級研究員的橋樑。

目錄
第1章  機器學習
  1.1 什麼是機器學習
  1.2 機器學習面臨的挑戰
    1.2.1 過擬合
    1.2.2 克服過擬合
  1.3 機器學習的類型
  1.4 本章小結
第2章  神經網路
  2.1 神經網路的節點
  2.2 神經網路的層
  2.3 神經網路的監督學習
  2.4 訓練單層神經網路:delta規則
  2.5 廣義delta規則
  2.6 SGD、Batch和MiniBatch
    2.6.1 SGD
    2.6.2 Batch
    2.6.3 MiniBatch
  2.7 delta規則示例
  2.8 SGD方法的實現
  2.9 Batch方法的實現
  2.10 SGD與Batch的比較
  2.11 單層神經網路的局限性
  2.12 究竟發生了什麼?
  2.13 本章小結
第3章  多層神經網路的訓練
  3.1 反向傳播演算法
  3.2 反向傳播示例
    3.2.1 XOR問題
    3.2.2 動量
  3.3 代價函數與學習規則
  3.4 交叉熵函數示例
  3.5 交叉熵函數
  3.6 代價函數比較
  3.7 本章小結
第4章  神經網路與分類問題
  4.1 二元分類
  4.2 多元分類
  4.3 多元分類示例
  4.4 本章小結
第5章  深度學習
  5.1 深度神經網路的改進
    5.1.1 梯度消失
    5.1.2 過擬合
    5.1.3 計算負載
  5.2 ReLU與Dropout的實例
    5.2.1 ReLU函數
    5.2.2 Dropout
  5.3 本章小結
第6章  卷積神經網路
  6.1 卷積神經網路架構

  6.2 卷積層
  6.3 池化層
  6.4 MNIST示例
  6.5 本章小結

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032