幫助中心 | 我的帳號 | 關於我們

神經網路與深度學習實戰(Python+Keras+TensorFlow)

  • 作者:編者:陳屹
  • 出版社:機械工業
  • ISBN:9787111632665
  • 出版日期:2019/08/01
  • 裝幀:平裝
  • 頁數:323
人民幣:RMB 109 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書通過理論與項目實踐相結合的方式引領讀者進入人工智慧技術的大門。書中首先從人工智慧技術的數學基礎講起,然後重點剖析神經網路的運行流程,最後以大量的實際項目編碼實踐方式幫助讀者紮實地掌握人工智慧開發所需要的基本理論知識和核心開發技術。
    本書共15章,涵蓋的內容有神經網路初體驗;深度學習的微積分基礎;深度學習的線性代數基礎;神經網路的理論基礎;用Python從零實現識別手寫數字的神經網路;神經網路項目實踐:使用神經網路實現機器視覺識別;用深度學習實現自然語言處理;自動編解碼網路和生成型對抗性網路;增強性學習網路的開發實踐;TensorFlow入門;使用TensorFlow和Keras開發高級自然語言處理系統;使用TensorFlow和Keras實現高級圖像識別處理系統;使用TensorFlow和Keras打造智能推薦系統;深度學習重要概念和技巧總結。
    本書盡可能通過細緻的講解降低讀者入門人工智慧編程的門檻。書中案例豐富,內容非常實用,特別適合有志於投身人工智慧領域的IT專業人士或學生閱讀。閱讀本書需要讀者具有一定的數學基礎。

作者介紹
編者:陳屹
    陳屹,海南康康餅網路科技有限公司CEO,15年開發麵試經驗。曾在微軟、聯想、realplayer等公司承擔客戶端和伺服器開發工作。在演算法設計、高併發、高性能伺服器、複雜系統設計、人工智慧等多個領域擁有深厚積累,其設計的編譯原理、操作系統、網路協議系統等多門原廠教學視頻在網易雲課堂收到大量好評。

目錄
前言
本書內容導圖
第1章  神經網路初體驗
  1.1  開發環境的安裝
  1.2  快速構建一個識別手寫數字圖片的神經網路
第2章  深度學習中的微積分基礎
  2.1  實數中的無理數
  2.2  什麼叫極限
  2.3  函數的連續性
  2.4  函數求導
  2.5  導數的一般法則
  2.6  間套函數的鏈式求導法則
  2.7  多變數函數與偏導數
  2.8  導數與極值
  2.9  使用導數尋求函數的最小值
第3章  深度學習的線性代數基礎
  3.1  常量與向量
  3.2  矩陣及相關操作
  3.3  tensor——多維向量
  3.4  向量范數
第4章  神經網路的理論基礎
  4.1  詳解神經網路中的神經元激活函數
  4.2  使用矩陣運算驅動神經網路數據加工鏈
  4.3  通過反向傳播演算法回傳誤差改進鏈路權重
  4.4  使用矩陣和梯度下降法實現神經網路的迭代訓練
  4.5  手算梯度下降法,詳解神經網路迭代訓練過程
第5章  用Python從零實現識別手寫數字的神經網路
  5.1  基本框架的搭建
  5.2  實現網路的迭代訓練功能
  5.3  網路訓練,識別手寫數字圖片
第6章  神經網路項目實踐
  6.1  使用神經網路分析電影評論的正能量和負能量
  6.2  使用神經網路實現新聞話題分類
  6.3  使用神經網路預測房價中位數
第7章  使用神經網路實現機器視覺識別
  7.1  卷積神經網路入門
  7.2  從零開始構造一個識別貓、狗圖片的卷積網路
  7.3  使用預先訓練的卷積網路實現圖像快速識別
  7.4  視覺化神經網路的學習過程
  7.5  揭秘卷積網路的底層原理
第8章  用深度學習實現自然語言處理
  8.1  Word Embedding單詞向量化
  8.2  概率論的一些重要概念
  8.3  skip-gram單詞向量化演算法的數學原理
  8.4  使用預先訓練好的單詞向量實現新聞摘要分類
  8.5  RNN——具有記憶功能的神經網路
  8.6  LSTM網路層詳解及其應用
  8.7  使用RNN和CNN混合的「雞尾酒療法」提升網路運行效率
第9章  自動編解碼網路和生成型對抗性網路
  9.1  自動編解碼器網路的原理與實現

  9.2  去噪型編解碼網路
  9.3  使用自動編解碼網路實現黑白圖片上色
  9.4  生成型對抗性網路
  9.5  生成型對抗性網路的代碼實現
  9.6  條件性生成型對抗性網路
第10章  增強性學習網路開發實踐
  10.1  增強性學習網路的基本原理
  l0.2  開發環境配置
  10.3  增強性學習網路的數學原理
  10.4  Bellman函數和最優化
  l0.5  Bellman等式的推導
  10.6  用實例講解Bellman函數的應用
  10.7  解決冰凍湖問題
  10.8  貪婪演算法
  10.9  運用神經網路和Bellman函數解決Cartpole問題
第11章  TensorFlow入門
  11.1  TensorFlow圖運算原理
  11.2  TensorFlow代碼實踐
  1l.3  TensorFlow的輸入、變數、輸出及運算操作
  11.4  TensorFlow的變數定義
  11.5  TensorFlow的運算輸出及運算操作
  11.6  用TensorFlow開發神經網路的相關操作
  11.7  開發TensorFlow程序應注意的事項
  11.8  使用TensorFlow開發神經網路
第1 2章  使用TensorFlow和Keras開發高級自然語言處理系統
  12.1  Skip-Gram演算法實現
  12.2  使用RNN網路模型的基本原理
  12.3  代碼實現RNN網路
  12.4  LSTM網路的結構原理
  12.5  使用LSTM網路實現人機問答系統
第1 3章  使用TensorFlow和Keras實現高級圖像識別處理系統
  13.1  實現藝術風格的轉換
  13.2  使用膠囊網路實現服裝識別
  13.3  使用TensorFlow API實現精準物體識別
  13.4  DeeDream:使用神經網路構造具有驚悚審美效果的藝術作品
第1 4章  使用TensorFlow和Keras打造智能推薦系統
  14.1  創造一個網易雲音樂推薦引擎
  14.2  使用TensorFlow構建高質量商品推薦系統
  14.3  實現淘寶「拍立淘」圖片搜索引擎
第15章  深度學習的重要概念和技巧總結

  • 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