同類熱銷排行榜

深度學習(高等學校電腦專業系列教材)

作者：編者:陳明|責編:龍啟銘//王玉梅
出版社：清華大學
ISBN：9787302687863

出版日期：2025/05/01
裝幀：平裝
頁數：367

人民幣：RMB 79 元售價：元

內容大鋼

深度學習是人工智慧中的核心問題之一，本書較系統地介紹了深度學習的基本內容，共15章，分別為概述、前饋神經網路、卷積神經網路、循環神經網路、深度殘差神經網路、Transformer模型、生成對抗網路、深度信念網路、膠囊神經網路、自編碼器、強化學習、脈衝神經網路、遷移學習、元學習和大語言模型。
本書注重基本概念、基本方法、基本模型和基本應用的介紹，並通過應用實例來說明深度學習模型與演算法，語言精練，邏輯層次清晰，內容先進實用，可以作為大學「深度學習」課程的教材，也可以作為應用深度學習的科技人員的參考書。

作者介紹

編者:陳明|責編:龍啟銘//王玉梅

第1章  概述
  1.1  深度學習的發展過程
    1.1.1  深度學習的起源
    1.1.2  深度學習的發展
    1.1.3  深度學習的爆發
  1.2  機器學習基礎
    1.2.1  機器學習方式
    1.2.2  機器學習的主要流派與演化過程
    1.2.3  泛化能力與增強方法
    1.2.4  模型性能評價指標
    1.2.5  相似性度量與誤差計算
  1.3  神經網路模型基礎
    1.3.1  神經網路模型及特點
    1.3.2  學習方式與學習規則
    1.3.3  深度學習模型
  1.4  計算圖
    1.4.1  計算圖的基本組成部分
    1.4.2  構建計算圖的過程
    1.4.3  計算圖的優勢
  本章小結
第2章  前饋神經網路
  2.1  分類模型
    2.1.1  分類系統
    2.1.2  判別函數
    2.1.3  線性不可分的分類
  2.2  感知機
    2.2.1  離散感知機
    2.2.2  連續感知機
  2.3  BP神經網路
    2.3.1  多層感知機結構
    2.3.2  誤差反向傳播演算法
    2.3.3  Dropout方法
    2.3.4  回歸神經網路
  本章小結
第3章  卷積神經網路
  3.1  卷積神經網路的產生
    3.1.1  問題的提出
    3.1.2  卷積神經網路的特點
  3.2  卷積神經網路的結構
    3.2.1  CNN的系統結構
    3.2.2  輸入層
    3.2.3  卷積層
    3.2.4  池化層
    3.2.5  輸出層
  3.3  卷積神經網路的訓練
    3.3.1  CNN的訓練過程
    3.3.2  CNN的正向傳播過程
    3.3.3  CNN的反向傳播過程
    3.3.4  CNN的權值更新
  3.4  逆卷積神經網路

    3.4.1  逆卷積與逆卷積
    3.4.2  逆池化運算
    3.4.3  逆卷積運算
  3.5  卷積神經網路的應用
    3.5.1  CNN應用特點
    3.5.2  CNN的應用領域
  本章小結
第4章  循環神經網路
  4.1  循環神經網路概述
    4.1.1  循環神經網路原理
    4.1.2  循環神經網路的記憶能力
  4.2  循環神經網路的結構
    4.2.1  埃爾曼神經網路
    4.2.2  單向循環神經網路
    4.2.3  雙向循環神經網路
    4.2.4  BPTT演算法
    4.2.5  堆疊循環神經網路
  ……
第5章  深度殘差神經網路
第6章  Transformer模型
第7章  生成對抗網路
第8章  深度信念網路
第9章  膠囊神經網路
第10章  自編碼器
第11章  強化學習
第12章  脈衝神經網路
第13章  遷移學習
第14章  元學習
第15章  大語言模型
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

深度學習(高等學校電腦專業系列教材)