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

神經網路與深度學習/人工智慧技術叢書

  • 作者：邱錫鵬|責編:姚蕾
  • 出版社：機械工業
  • ISBN：9787111649687
  • 出版日期：2020/04/01
  • 裝幀：平裝
  • 頁數：448
人民幣：RMB 149 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是深度學習領域的入門教材，系統地整理了深度學習的知識體系，由淺人深地闡述了深度學習的基礎知識、主要模型以及前沿研究熱點，使得讀者能有效地掌握深度學習的相關知識，並具備以深度學習技術來處理和解決大數據問題的能力。
    全書共15章，分為三個部分。第一部分為機器學習基礎：第1章是緒論，概要介紹人工智慧、機器學習、深度學習；第2?3章介紹機器學習的基礎知識。第二部分是基礎模型：第4?6章分別講述三種主要的神經網路模型：前饋神經網路、卷積神經網路和循環神經網路；第7童介紹神經網路的優化與正則化方法；第8章介紹神經網路中的注意力機制和外部記憶；第9章簡要介紹一些無監督學習方法；第1O童介紹一些模型獨立的機器學習方法，包括集成學習、自訓練、協同訓練、多任務學習、遷移學習、終身學習、元學習等。第三部分是進階模型：第11章介紹概率圖模型的基本概念；第12章介紹兩種早期的深度學習模型——玻爾茲曼機和深度信念網路；第13章介紹深度生成模型，包括變分自編碼器和生成對抗網路；第14童介紹深度強化學習；第15章介紹應用十分廣泛的序列生成模型。
    本書可作為高等院校人工智慧、電腦、自動化、電子和通信等相關專業的研究生或本科生教材，也可供相關領域的研究人員和工程技術人員參考。
作者介紹
邱錫鵬|責編:姚蕾
    邱錫鵬，復旦大學電腦科學技術學院教授、博士生導師，于復旦大學獲得理學學士和博士學位。主要研究領域包括自然語言處理、機器學習、深度學習等，在相關領域的高水平國際期刊、會議上發表學術論文60余篇，獲得自然語言處理領域頂級國際會議ACL 2017傑出論文獎、全國計算語言學會議CCL 2019最佳論文獎，作為項目負責人開發兩個自然語言處理開源項目FudanNLP和FastNLP，獲得學術界和產業界的廣泛使用。2015年入選首屆中國科協青年人才托舉工程，2018年獲得中國中文信息學會「錢偉長中文信息處理科學技術獎青年創新一等獎」，入選由清華—中國工程院知識智能聯合研究中心和清華大學人工智慧研究院聯合發布的「2020年度AI 2000人工智慧全球最具影響力提名學者」。目前擔任中國中文信息學會青年工作委員會執行委員、計算語言學專委會委員、語言與知識計算專委會委員，中國人工智慧學會青年工作委員會常務委員、自然語言理解專委會委員。
目錄
序
前言
常用符號表
第一部分  機器學習基礎
  第1章  緒論
    1.1  人工智慧
      1.1.1  人工智慧的發展歷史
      1.1.2  人工智慧的流派
    1.2  機器學習
    1.3表示學習
      1.3.1  局部表示和分散式表示
      1.3.2  表示學習
    1.4  深度學習
      1.4.1  端到端學習
    1.5  神經網路
      1.5.1  人腦神經網路
      1.5.2  人工神經網路
      1.5.3  神經網路的發展歷史
    1.6  本書的知識體系
    1.7  常用的深度學習框架
    1.8  總結和深入閱讀
  第2章  機器學習概述
    2.1  基本概念
    2.2  機器學習的三個基本要素
      2.2.1  模型
      2.2.2  學習準則
      2.2.3  優化演算法
    2.3  機器學習的簡單示例——線性回歸
      2.3.1  參數學習
    2.4  偏差-方差分解
    2.5  機器學習演算法的類型
    2.6  數據的特徵表示
      2.6.1  傳統的特徵學習
      2.6.2  深度學習方法
    2.7  評價指標
    2.8  理論和定理
      2.8.1  PAC學習理論
      2.8.2  沒有免費午餐定理
      2.8.3  奧卡姆剃刀原理
      2.8.4  醜小鴨定理
      2.8.5  歸納偏置
    2.9  總結和深入閱讀
  第3章  線性模型
    3.1  線性判別函數和決策邊界
      3.1.1  二分類
      3.1.2  多分類
    3.2  Logistic回歸
      3.2.1  參數學習
    3.3  Softmax回歸
      3.3.1  參數學習

    3.4  感知器
      3.4.1  參數學習
      3.4.2  感知器的收斂性
      3.4.3  參數平均感知器
      3.4.4  擴展到多分類
    3.5  支持向量機
      3.5.1  參數學習
      3.5.2  核函數
      3.5.3  軟間隔
    3.6  損失函數對比
    3.7  總結和深入閱讀
  ……
第二部分  基礎模型
第三部分  進階模型
附錄  數學基礎

  • 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