幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

深度學習原理與TensorFlow實踐/人工智慧人才培養系列

  • 作者：編者:黃理燦
  • 出版社：人民郵電
  • ISBN：9787115509963
  • 出版日期：2019/08/01
  • 裝幀：平裝
  • 頁數：356
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書首先介紹當前學術界和工業界的深度學習核心知識，具體內容包括機器學習概論、神經網路和深度學習原理；然後介紹深度學習的實現及深度學習框架Tensor-Flow，具體內容包括Python編程基礎、TensorFlow編程基礎、TensorFlow模型、TensorFlow編程實踐、TensorFlowLite和TensorFlow.js、TensorFlow案例——醫學應用和Seq2Seq+attention模型及其應用案例。
    本書的最大特色是既有由淺入深的理論知識，又有從入門到專業的技術應用。本書涵蓋了深度學習的理論、Python編程語言、TensorFlow編程知識以及代碼解讀，為深度學習初學者以及進階人員提供了詳盡的必備知識。
    本書既可以作為高等院校本科高年級以及研究生的人工智慧課程教材，也可以作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。
作者介紹
編者:黃理燦
目錄
第1章  緒論
  1.1  引言
  1.2  深度學習的發展歷程
  1.3  TensorFlow應用現狀
  習題
第2章  機器學習概論
  2.1  機器學習相關的數學知識
    2.1.1  微積分
    2.1.2  線性代數
    2.1.3  概率論
  2.2  機器學習方法
    2.2.1  監督學習
    2.2.2  無監督學習
    2.2.3  半監督學習
    2.2.4  強化學習
  2.3  數據的預處理方法
  習題
第3章  神經網路
  3.1  神經網路基礎知識
    3.1.1  MP模型
    3.1.2  感知機
    3.1.3  三層感知機
  3.2  神經網路模型
    3.2.1  徑向基函數網路
    3.2.2  Hopfield神經網路
    3.2.3  Elman神經網路
    3.2.4  玻爾茲曼機
    3.2.5  自動編碼器
    3.2.6  生成對抗網路
  習題
第4章  深度學習
  4.1  多層感知機神經網路
  4.2  激活函數、損失函數和過擬合
    4.2.1  激活函數
    4.2.2  損失函數(代價函數)
    4.2.3  防止過擬合
  4.3  卷積神經網路
    4.3.1  卷積神經網路原理
    4.3.2  *卷積神經網路BP演算法的數學推導
  4.4  循環神經網路
    4.4.1  循環神經網路模型原理
    4.4.2  *BPTT演算法
    4.4.3  雙向循環神經網路
    4.4.4  深度循環神經網路
    4.4.5  長短時記憶網路
    4.4.6  門控循環單元網路
  4.5  深度置信網路
    4.5.1  RBM原理
    4.5.2  RBM求解演算法
    4.5.3  對比散度演算法

    4.5.4  *公式推導
    4.5.5  深度置信網路訓練
  4.6  深度學習框架
    4.6.1  TensorFlow
    4.6.2  Caffe
    4.6.3  Theano
  ……
第5章  Python編程基礎
第6章  TensorFlow編程基礎
第7章  TensorFlow模型
第8章  TensorFlow編程實踐
第9章  TensorFlow Lite和TensorFlow.js
第10章  TensorFlow案例——醫學應用
第11章  Seq2Seq+attention模型及其應用案例

  • 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