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

基於TensorFlow的深度學習(神經網路電腦視覺和NLP的理論與實踐)/智能系統與技術叢書

  • 作者：(美)馬格努斯·埃克曼|責編:王穎|譯者:周翊民
  • 出版社：機械工業
  • ISBN：9787111741725
  • 出版日期：2024/01/01
  • 裝幀：平裝
  • 頁數：407
人民幣：RMB 149 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統地講解了深度學習技術，闡明核心概念和實踐編程技術，是開發者、數據科學家、分析師，以及之前沒有機器學習或統計經驗的人員人員的理想選擇。
    本書介紹了深度神經網路的人工神經元和全連接、卷積和循環層等基本構建模塊，展示了如何使用它們來構建先進的架構。書中還講解了如何使用這些概念構建電腦視覺和自然語言處理（NLP）網路，包括Mask R-CNN、GPT和BERT。此外，書中還描述了自然語言翻譯器和能根據圖像內容生成自然語言系統的原理。
    本書基於TensorFlow和Keras提供了簡潔、註釋良好的代碼示例，還提供了相應的PyTorch示例，涵蓋了工業和學術界關於深度學習的兩個主要Python庫。最後，介紹了神經結構搜索（NAS），並探索了重要的倫理問題，為進一步學習深度學習提供了資源。
作者介紹
(美)馬格努斯·埃克曼|責編:王穎|譯者:周翊民
目錄
推薦序一
推薦序二
前言
第1章  Rosenblatt感知器
  1.1  雙輸入感知器示例
  1.2  感知器學習演算法
  1.3  感知器的局限性
  1.4  組合多個感知器
  1.5  感知器的幾何解釋
  1.6  理解偏差項
第2章  基於梯度的學習
  2.1  感知器學習演算法的直觀解釋
  2.2  用梯度下降法解決學習問題
  2.3  網路中的常量與變數
  2.4  感知器學習演算法的解析
  2.5  感知器學習演算法的幾何描述
  2.6  重新審視不同類型的感知器
  2.7  使用感知器進行模式識別
第3章  Sigmoid神經元與反向傳播
  3.1  改進的神經元實現多層網路的梯度下降
  3.2  激活函數的選擇
  3.3  複合函數和鏈式法則
  3.4  利用反向傳播計算梯度
    3.4.1  前向傳播階段
    3.4.2  後向傳播階段
    3.4.3  權重調整
  3.5  每層具有多個神經元的反向傳播
  3.6  編程示例：學習XOR函數
  3.7  網路結構
第4章  用於多分類的全連接網路
  4.1  訓練網路時所用數據集簡介
    4.1.1  探索數據集
    4.1.2  數據集中的人為偏見
    4.1.3  訓練集、測試集和泛化
    4.1.4  超參數調優和測試集信息泄漏
  4.2  訓練與推理
  4.3  擴展網路和學習演算法以進行多分類
  4.4  用於數字分類的網路
  4.5  多分類的損失函數
  4.6  編程示例：手寫數字分類
  4.7  小批量梯度下降
第5章  走向DL：框架和網路調整
  5.1  編程示例：轉移到DL框架
  ……
第6章  全連接網路在回歸中的應用
第7章  卷積神經網路在圖像分類中的應用
第8章  深度卷積神經網路和預訓練模型
第9章  用循環神經網路預測時間序列
第10章  長短期記憶
第11章  使用LSTM和集束搜索自動補全文本

第12章  神經語言模型和詞嵌入
第13章  Word2vec和GloVe的詞嵌入
第14章  序列到序列網路和自然語言翻譯
第15章  注意力機制和Transformer架構
第16章  用於圖像字幕的一對多網路
第17章  其他主題
第18章  總結和未來展望
附錄A  線性回歸和線性分類
附錄B  目標檢測和分割
附錄C  Word2vec和GloVe之外的詞嵌入
附錄D  GPT、BERT和RoBERTa
附錄E  Newton-Raphson法與梯度下降法
附錄F  數字分類網路的矩陣實現
附錄G  卷積層與數學卷積的關係
附錄H  門控循環單元
附錄I  搭建開發環境
附錄J  備忘清單
參考文獻

  • 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