深度学详解 人工智能 王琦,杨毅远,江季 编 新华正版
¥
53
5.3折
¥
99.8
全新
库存221件
作者王琦,杨毅远,江季 编
出版社人民邮电出版社
ISBN9787115642110
出版时间2024-09
版次1
装帧平装
开本16
页数372页
字数478千字
定价99.8元
货号xhwx_1203348996
上书时间2024-08-16
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
主编:
1.李宏毅老师亲笔,杨小康、周明、叶杰、邱锡鹏鼎力!
2.数百万次播放的深度学课程配套书,李宏毅老师亲自点赞的开源项目,github超10000次tar的开源。
3.从tranformer到chatgpt技术一个不落gpt中的t代表的正是tranformer。如何理解这一在深度学领域具有深远影响的概念?从经典的开始逐步深度介绍tranformer的。本书包含单独的chatgpt章节,不仅介绍了chatgpt的,还探讨了我们应当以怎样的态度对待al的发展。
目录:
章 机器学基础 1
1.1 案例学 2
1.2 线模型 7
1.2.1 分段线曲线 9
1.2.2 模型变形 17
1.2.3 机器学框架 21
第 2 章 实践方 22
2.1 模型偏差 22
2.2 优化问题 23
2.3 过拟合 25
2.4 交验证 29
2.5 不匹配 30
参资料 31
第 3 章 深度学基础 32
3.1 局部小值与鞍点 32
3.1.1 临界点及其种类 32
3.1.2 判断临界值种类的方法 33
3.1.3 逃离鞍点的方法 37
3.2 批量和动量 39
3.2.1 批量大小对梯度下降法的影响..40
3.2.2 动量法 45
3.3 自适应学率 47
3.3.1 adagrad 50
3.3.2 rmsprop 53
3.3.3 adam 54
3.4 学率调度 54
3.5 优化结 56
3.6 分类 57
3.6.1 分类与回归的关系 57
3.6.2 带有 softmax 函数的分类 58
3.6.3 分类损失 59
3.7 批量归一化 61
3.7.1 放入深度神经网络 64
3.7.2 测试时的批量归一化 67
3.7.3 协变量偏移 68
参资料 69
第 4 章 卷积神经网络 71
4.1 观察 1:检测模式不需要整幅图像 .. 73
4.2 简化 1:感受野 74
4.3 观察 2:同样的模式可能出现在图像的不同区域 .. 78
4.4 简化 2:共享参数 79
4.5 简化 1 和简化 2 的结 .. 81
4.6 观察 3:下采样不影响模式检测 .. 86
4.7 简化 3:汇聚 86
4.8 卷积神经网络的应用:下围棋 .. 88
参资料 91
第 5 章 循环神经网络 92
5.1 独热编码 93
5.2 什么是 rnn 94
5.3 rnn 架构 96
5.4 其他 rnn 97
5.4.1 elman 网络和 jordan 网络 98
5.4.2 双向循环神经网络 98
5.4.3 lstm 99
5.4.4 lstm 举例 101
5.4.5 lstm 运算示例 102
5.5 lstm 网络 105
5.6 rnn 的学方式 109
5.7 如何解决 rnn 的梯度消失或梯度爆炸问题..113
5.8 rnn 的其他应用 114
5.8.1 多对一序列 114
5.8.2 多对多序列 115
5.8.3 序列到序列 117
参资料 119
第 6 章 自注意力机制 120
6.1 输入是向量序列的情况.. 120
6.1.1 类型 1:输入与输出数量相同 122
6.1.2 类型 2:输入是一个序列,输出是一个标签 123
6.1.3 类型 3:序列到序列任务 124
6.2 自注意力机制的运作..124
6.3 多头自注意力 134
6.4 位置编码 136
6.5 截断自注意力 138
6.6 对比自注意力与卷积神经网络 139
6.7 对比自注意力与循环神经网络 141
参资料 143
第 7 章 transformer 145
7.1 序列到序列模型 145
7.1.1 语音识别、机器翻译与语音翻译 145
7.1.2 语音合成 146
7.1.3 聊天机器人 147
7.1.4 问答任务 147
7.1.5 句法分析 148
7.1.6 多标签分类 149
7.2 transformer 结构 149
7.3 transformer 151
7.4 transformer 154
7.4.1 自回归 154
7.4.2 非自回归 161
7.5 –注意力 162
7.6 transformer 的训练过程 .. 164
7.7 序列到序列模型训练常用 166
7.7.1 复制机制 166
7.7.2 引导注意力 166
7.7.3 束搜索 167
7.7.4 加入噪声 168
7.7.5 使用强化学训练 168
7.7.6 计划采样 169
参资料 170
第 8 章 生成模型 171
8.1 生成对抗网络 171
8.1.1 生成器 171
8.1.2 判别器 175
8.2 生成器与判别器的训练过程 176
8.3 gan 的应用案例 178
8.4 gan 的理论介绍 180
8.5 wgan 算法 183
8.6 gan 训练的难点与 .. 188
8.7 gan 的能评估方法 190
8.8 条件型生成 194
8.9 cyclegan 196
参资料 199
第 9 章 扩散模型 201
9.1 扩散模型生成图片的过程..201
9.2 去噪模块 202
9.3 训练噪声预测器 203
0 章 自监督学 206
10.1 bert 207
10.1.1 bert 的使用方式 211
10.1.2 bert 有用的原因 221
10.1.3 bert 的变体 227
10.2 gpt 230
参资料 234
1 章 自 235
11.1 自的概念 235
11.2 为什么需要自 237
11.3 去噪自 238
11.4 自应用之特征解耦 239
11.5 自应用之离散隐表征 242
11.6 自的其他应用 245
2 章 对抗攻击 246
12.1 对抗攻击简介 246
12.2 如何进行网络攻击 248
12.3 快速梯度符号法 251
12.4 白箱攻击与黑箱攻击 252
12.5 其他模态数据被攻击案例 256
12.6 现实世界中的攻击 256
12.7 御方式中的被动御 260
12.8 御方式中的主动御 262
3 章 迁移学 264
13.1 领域偏移 264
13.2 领域自适应 265
13.3 领域泛化 271
参资料 272
4 章 强化学 273
14.1 强化学的应用 274
14.1.1 玩电子游戏 274
14.1.2 下围棋 276
14.2 强化学框架 276
14.2.1 步:定义函数 277
14.2.2 第 2 步:定义损失 278
14.2.3 第 3 步:优化 278
14.3 评价动作的标准 282
14.3.1 使用即时奖励作为评价标准 283
14.3.2 使用累积奖励作为评价标准 283
14.3.3 使用折扣累积奖励作为评价标准..284
14.3.4 使用折扣累积奖励减去基线作为评价标准.. 285
14.3.5 actor-critic 288
14.3.6 优势 actor-critic 293
参资料 294
5 章 元学 295
15.1 元学的概念 295
15.2 元学的三个步骤 296
15.3 元学与机器学 299
15.4 元学的实例算法 301
15.5 元学的应用 305
参资料 306
6 章 终身学 307
16.1 灾难遗忘 307
16.2 终身学的评估方法 311
16.3 终身学问题的主要解法 312
7 章 网络压缩 316
17.1 网络剪枝 316
17.2 知识蒸馏 321
17.3 参数量化 324
17.4 网络架构设计 325
17.5 动态计算 329
参资料 332
8 章 可解释机器学 333
18.1 可解释人工智能的重要 333
18.2 决策树模型的可解释 334
18.3 可解释机器学的目标 335
18.4 可解释机器学中的局部解释 335
18.5 可解释机器学中的全局解释 342
18.6 扩展与小结 345
参资料 345
9 章 chatgpt 346
19.1 chatgpt 简介和功能 346
19.2 对 chatgpt 的误解 346
19.3 chatgpt 背后的关键技术——预训练..349
19.4 chatgpt 带来的研究问题 352
索引 354
内容简介:
本书根据李宏毅老师“机器学”公开课中与深度学相关的内容编写而成,介绍了卷积神经网络、tranformer、生成模型、自监督学(包括 bert 和 gpt)等深度学常见算法,并讲解了对抗攻击、领域自适应、强化学、元学、终身学、网络压缩等深度学相关的算法. 在理论严谨的基础上,本书保留了公开课中大量生动有趣的例子,帮助读者从生活化的角度理解深度学的概念、建模过程和核心算法细节.
作者简介:
王琦,
上海交通大学人工智能博士,硕士于学院大学.datawhale成员,eay rl:强化学教程作者,英特尔边缘计算创新大使,hugging face社区志愿者,ai time成员.主要研究方向为强化学、计算机视觉、深度学.曾获“中国光谷华为杯”第十九届中国数学建模竞赛、中国大计算机设计大赛、亚太地区大数学建模竞赛(apmcm)和“挑战杯”大课外学术科技作品竞赛江苏省选拔赛等荣誉,发表ci/ei多篇.
杨毅远,
牛津大学计算机系博士,硕士于清华大学.datawhale成员,eay rl:强化学教程作者.主要研究方向为时间序列、数据挖掘、智能传感系统,深度学.曾获奖学金、北京市生、清华大学硕士、大智能汽车竞赛等荣誉,发表ci/ei多篇.
江季,
算法工程师,硕士于北京大学.datawhale成员,eay rl:强化学教程作者.主要研究方向为强化学、深度学、大模型、机器人等.曾获得奖学金、上海市生等荣誉,取得强化学与游戏ai等相关专利多项.
— 没有更多了 —
以下为对购买帮助不大的评价