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

深度學習模型與應用(人工智慧專業十四五高等學校新工科電腦類專業系列教材)

  • 作者：編者:陳明|責編:汪敏//包寧|總主編:陳明
  • 出版社：中國鐵道
  • ISBN：9787113309336
  • 出版日期：2025/06/01
  • 裝幀：平裝
  • 頁數：219
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    深度學習是人工智慧的核心技術之一，本書系統地介紹了深度學習的基本內容，主要包括深度學習基礎、前饋神經網路、卷積神經網路、循環神經網路、自編碼器、Transformer模型、生成對抗網路、深度信念網路和強化學習模型等內容。
    本書注重基本概念、基本內容和基本方法的介紹，並通過應用實例來說明模型與演算法，語言精練、邏輯層次清晰、內容先進實用，適合作為高等學校人工智慧專業課程教材，也可作為人工智慧應用、開發人員的參考書。
作者介紹
編者:陳明|責編:汪敏//包寧|總主編:陳明
目錄
第1章  概述
  1.1  深度學習的發展歷程
    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  相似性的度量與誤差計算
  1.3  神經網路模型基礎
    1.3.1  神經網路模型特性
    1.3.2  學習方式與學習規則
    1.3.3  深度學習模型原理
  小結
  思考與練習
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  感知器
    2.2.1  離散感知器
    2.2.2  連續感知器
  2.3  BP神經網路
    2.3.1  多層感知器結構
    2.3.2  誤差反向傳播演算法
    2.3.3  Dropout方法
    2.3.4  深度神經網路訓練過程
    2.3.5  回歸神經網路
  小結
  思考與練習
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  CNN的結構
    3.2.1  CNN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  CNN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CNN
    3.4.1  逆池化與逆卷積

    3.4.2  逆池化運算
  ……
第4章  循環神經網路
第5章  自編碼器
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  強化學習模型
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