文轩图书直营店专卖店 5
购物车0
首页 >  图书/音像 >  人文社科 >  计算机/网络 >  深度学习导论

深度学习导论

商品号
466136901
非常抱歉,该商品已下架,您可以先看看下面的商品哦!

或者你也可以:

1. 联系商家找宝贝。

2. 在顶部搜索框重新输入关键词搜索。

3. 为你推荐更多你可能喜欢的商品,将在15秒后自动跳转。

商家信息

店铺总评分:5

  • 描述相符:5
  • 服务态度:5
  • 发货速度:5
浏览店铺 收藏店铺

我的足迹

    • • 作者:[美]尤金·查尔尼克(Eugene Charniak) 著 沈磊 郑春萍 译
      • 出版社:人民邮电出版社
      • 定价:49
      • ISBN:9787115529916
      • 出版时间:2020年04月01日
      目录
      第 1章  前馈神经网络  1  1.1 感知机  3  1.2 神经网络的交叉熵损失函数  7  1.3 导数与随机梯度下降  11  1.4 编写程序  15  1.5 神经网络的矩阵表示  17  1.6 数据独立性  19  1.7 参考文献和补充阅读  20  1.8 习题  21第  2章 Tensorflow  23  2.1 预备知识  23  2.2 TF程序  26  2.3 多层神经网络  31  2.4 其他方面  34  2.4.1 检查点  34  2.4.2 tensordot  35  2.4.3 TF变量的初始化  37  2.4.4 TF图创建的简化  39  2.5 参考文献和补充阅读  40  2.6 习题  40第3章  卷积神经网络  43  3.1 滤波器、步长和填充  43  3.2 一个简单的TF卷积例子  49  3.3 多层卷积  51  3.4 卷积细节  54  3.4.1 偏置  54  3.4.2 卷积层  55  3.4.3 池化运算(pooling)  55  3.5 参考文献和补充阅读  56  3.6 习题  57第4章  词嵌入与循环神经网络  59  4.1 语言模型的词嵌入  59  4.2 构建前馈语言模型  63  4.3 改进前馈语言模型  65  4.4 过拟合  66  4.5 循环网络  69  4.6 长短期记忆模型  75  4.7 参考文献和补充阅读  78  4.8 习题  78第5章  序列到序列学习  81  5.1 seq2seq模型  82  5.2 编写一个seq2seq MT程序  84  5.3 seq2seq中的注意力机制  87  5.4 多长度seq2seq  90  5.5 编程练习  91  5.6 参考文献和补充阅读  93  5.7 习题  94第6章  深度强化学习  97  6.1 值迭代  98  6.2 Q学习  101  6.3 深度Q学习基础  103  6.4 策略梯度法  106  6.5 行动者-评论家方法  112  6.6 经验回放  114  6.7 参考文献和补充阅读  115  6.8 习题  116第7章  无监督神经网络模型  119  7.1 基本自编码  119  7.2 卷积自编码  122  7.3 变分自编码  126  7.4 生成式对抗网络  132  7.5 参考文献和补充阅读  137  7.6 习题  137附录A  部分习题答案  139附录B  参考文献  143附录C  索引  147本书赞誉  151
      内容简介

      《深度学习导论》讲述了前馈神经网络、Tensorflow、卷积神经网络、词嵌入与循环神经网络、序列到序列学习、深度强化学习、无监督神经网络模型等深度学习领域的基本概念和技术,通过一系列的编程任务,向读者介绍了热门的人工智能应用,包括计算机视觉和自然语言处理等。本书编写简明扼要,理论联系实践,每一章都包含习题以及补充阅读的参考文献。本书既可作为高校人工智能课程的教学用书,也可供从业者入门参考。本书要求读者熟悉线性代数、多元微积分、概率论与数理统计知识,另外需要读者了解Python编程。

    • 商品评论

      暂无商品评论

    • 暂无商品咨询