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

神經網路設計與實現/智能系統與技術叢書

  • 作者：(英)列奧納多·德·馬爾希//勞拉·米切爾|責編:王春華//李美瑩|譯者:朱夢瑤//郭濤//趙子輝//余秋琳
  • 出版社：機械工業
  • ISBN：9787111683506
  • 出版日期：2021/06/01
  • 裝幀：平裝
  • 頁數：205
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    神經網路在深度學習和人工智慧中發揮著非常重要的作用，其應用領域非常廣泛，涵蓋從醫療診斷、財務預測到機器診斷等多個領域。
    本書旨在指導你以實用的方式學習神經網路。書中將簡要介紹感知器網路，從而幫助你入門。然後，你將獲得有關機器學習的見解，並了解人工智慧的未來。接下來，你將研究如何使用嵌入來處理文本數據，並學習長短期記憶網路在解決常見自然語言處理問題中的作用。本書還將演示如何實現高級概念，包括遷移學習、生成對抗網路、自編碼器和強化學習。
    在完成本書的學習后，你將掌握構建、訓練和優化自己的神經網路模型所需的技能，該模型能夠提供可預測的解決方案。
    通過閱讀本書，你將：
    了解如何使用反向傳播訓練網路。
    了解遷移學習的概念，以使用Keras和VGG網路解決任務。
    探索如何載入和轉換圖像以用於神經網路。
    掌握LSTM和NLP等高級、複雜的深度學習概念，以掌握最新知識。
    研究如何將神經網路應用於多個領域。
    探索創新演算法，例如生成對抗網路和深度強化學習。
    解決神經網路開發麵臨的共同挑戰。
作者介紹
(英)列奧納多·德·馬爾希//勞拉·米切爾|責編:王春華//李美瑩|譯者:朱夢瑤//郭濤//趙子輝//余秋琳
目錄
譯者序
前言
第一部分　神經網路入門
第1章  有監督學習入門
  1.1  人工智慧的歷史
  1.2  機器學習概述
    1.2.1  有監督學習
    1.2.2  無監督學習
    1.2.3  半監督學習
    1.2.4  強化學習
  1.3  配置環境
    1.3.1  了解虛擬環境
    1.3.2  Anaconda
    1.3.3  Docker
  1.4  Python有監督學習實踐
  1.5  特徵工程
  1.6  有監督學習演算法
    1.6.1  指標
    1.6.2  模型評估
  1.7  總結
第2章  神經網路基礎
  2.1  感知器
  2.2  Keras
  2.3  前饋神經網路
    2.3.1  反向傳播介紹
    2.3.2  激活函數
    2.3.3  Keras實現
  2.4  從頭開始使用Python編寫FFNN
    2.4.1  FFNN的Keras實現
    2.4.2  TensorBoard
    2.4.3  XOR問題中的TensorBoard
  2.5  總結
第二部分　深度學習應用
第3章  基於卷積神經網路的圖像處理
  3.1  理解卷積神經網路
  3.2  卷積層
    3.2.1  池化層
    3.2.2  丟棄層
    3.2.3  歸一化層
    3.2.4  輸出層
  3.3  Keras中的卷積神經網路
    3.3.1  載入數據
    3.3.2  創建模型
    3.3.3  網路配置
  3.4  Keras表情識別
  3.5  優化網路
  3.6  總結
第4章  利用文本嵌入
  4.1  面向NLP的機器學習
  4.2  理解詞嵌入

    4.2.1  詞嵌入的應用
    4.2.2  Word2vec
  4.3  GloVe
    4.3.1  全局矩陣分解
    4.3.2  使用GloVe模型
    4.3.3  基於GloVe的文本分類
  4.4  總結
第5章  循環神經網路
  5.1  理解循環神經網路
    5.1.1  循環神經網路原理
    5.1.2  循環神經網路類型
    5.1.3  損失函數
  5.2  長短期記憶
    5.2.1  LSTM架構
    5.2.2  Keras長短期記憶實現
  5.3  PyTorch基礎知識
  5.4  總結
第6章  利用遷移學習重用神經網路
  6.1  遷移學習理論
    6.1.1  多任務學習介紹
    6.1.2  重用其他網路作為特徵提取器
  6.2  實現多任務學習
  6.3  特徵提取
  6.4  在PyTorch中實現遷移學習
  6.5  總結
第三部分　高級應用領域
第7章  使用生成演算法
  7.1  判別演算法與生成演算法
  7.2  理解GAN
    7.2.1  訓練GAN
    7.2.2  GAN面臨的挑戰
  7.3  GAN的發展變化和時間線
    7.3.1  條件GAN
    7.3.2  DCGAN
    7.3.3  Pix2Pix GAN
    7.3.4  StackGAN
    7.3.5  CycleGAN
    7.3.6  ProGAN
    7.3.7  StarGAN
    7.3.8  BigGAN
    7.3.9  StyleGAN
    7.3.10  Deepfake
    7.3.11  RadialGAN
  7.4  總結
  7.5  延伸閱讀
第8章  實現自編碼器
  8.1  自編碼器概述
  8.2  自編碼器的應用
  8.3  瓶頸和損失函數
  8.4  自編碼器的標準類型

    8.4.1  欠完備自編碼器
    8.4.2  多層自編碼器
    8.4.3  卷積自編碼器
    8.4.4  稀疏自編碼器
    8.4.5  去噪自編碼器
    8.4.6  收縮自編碼器
  8.5  變分自編碼器
  8.6  訓練變分自編碼器
  8.7  總結
  8.8  延伸閱讀
第9章  DBN
  9.1  DBN概述
    9.1.1  貝葉斯置信網路
    9.1.2  受限玻爾茲曼機
  9.2  DBN架構
  9.3  訓練DBN
  9.4  微調
  9.5  數據集和庫
    9.5.1  示例—有監督的DBN分類
    9.5.2  示例—有監督的DBN回歸
    9.5.3  示例—無監督的DBN分類
  9.6  總結
  9.7  延伸閱讀
第10章  強化學習
  10.1  基本定義
  10.2  Q-learning介紹
    10.2.1  學習目標
    10.2.2  策略優化
    10.2.3  Q-learning方法
  10.3  使用OpenAI Gym
  10.4  冰湖問題
  10.5  總結
第11章  下一步是什麼
  11.1  本書總結
  11.2  機器學習的未來
  11.3  通用人工智慧
    11.3.1  AI倫理問題
    11.3.2  可解釋性
    11.3.3  自動化
    11.3.4  AI安全性
    11.3.5  問責制
  11.4  結語

  • 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