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

深度學習與Python實現及應用(高等學校智能科學與技術人工智慧專業教材)

  • 作者：編者:郭彤穎//薛亞棟//李娜//劉冬莉|責編:袁勤勇//楊楓
  • 出版社：清華大學
  • ISBN：9787302599418
  • 出版日期：2022/04/01
  • 裝幀：平裝
  • 頁數：234
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書深入淺出地介紹深度學習的基礎知識和相關技術，內容涉及近幾年深度學習領域的研究熱點問題，主要有深度學習、神經網路及其發展歷史，機器學習的評價指標及演算法的類型，前饋神經網路、反向傳播演算法和卷積神經網路及其相關技術，AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet等現代卷積神經網路模型和可以處理序列信息的循環神經網路模型及其實現。針對深度學習的實現問題，分析網路優化與正則化的相關方法，並列舉3個基於Python的實戰演練案例，包括MNIST手寫數字分類的實現、車輛識別和人臉識別。
    本書適合深度學習初學者閱讀，可以作為從事深度學習研究和Python實現及應用的科學研究工作者和工程技術人員的參考書，也可以作為控制科學與工程、電腦科學與技術、機械電子工程等學科研究生或高年級本科生的教材。
作者介紹
編者:郭彤穎//薛亞棟//李娜//劉冬莉|責編:袁勤勇//楊楓
目錄
第1章  緒論
  1.1  深度學習簡介
  1.2  神經網路
    1.2.1  人腦神經網路
    1.2.2  人工神經網路
  1.3  神經網路的發展歷史
  1.4  常用的深度學習框架
  1.5  編程環境的安裝
    1.5.1  安裝Anaconda
    1.5.2  安裝CUDA
    1.5.3  安裝TensorFlow
    1.5.4  安裝常用編輯器
第2章  機器學習基礎
  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
  2.4  偏差-方差分解
  2.5  機器學習演算法的類型
  2.6  評價指標
  2.7  線性模型
    2.7.1  線性判別函數和決策邊界
    2.7.2  Logistic回歸
    2.7.3  Softmax回歸
    2.7.4  感知器
第3章  前饋神經網路
  3.1  神經元
    3.1.1  Sigmoid型函數
    3.1.2  ReLU函數
    3.1.3  Swish函數
    3.1.4  GELU函數
    3.1.5  Maxout單元
  3.2  網路結構
    3.2.1  前饋網路
    3.2.2  記憶網路
    3.2.3  圖網路
  3.3  前饋神經網路
    3.3.1  通用近似定理
    3.3.2  應用到機器學習
    3.3.3  參數學習
  3.4  反向傳播演算法
  3.5  自動梯度計算
    3.5.1  數值微分
    3.5.2  符號微分
    3.5.3  自動微分
  3.6  優化問題
    3.6.1  非凸優化問題
    3.6.2  梯度消失問題

第4章  卷積神經網路
  4.1  從全連接層到卷積
    4.1.1  不變性
    4.1.2  限制多層感知機
    4.1.3  卷積
    4.1.4  回顧「沃爾多在哪裡」
  4.2  圖像卷積
    4.2.1  互相關運算
  ……
第5章  現代卷積神經網路
第6章  循環神經網路
第7章  網路優化與正則化
第8章  實戰演練

  • 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