深度学与python实现及应用 大中专文科文教综合 郭彤颖 等 编
深度学的入门图书,理论和实践结合,以“用什么学什么”的方式介绍深度学的核心算法,并用pyhton实现每个算法
¥
40.55
6.9折
¥
59
全新
库存4件
作者郭彤颖 等 编
出版社清华大学出版社
ISBN9787302599418
出版时间2022-04
版次1
装帧平装
开本16
页数248页
字数359千字
定价59元
货号xhwx_1202637905
上书时间2024-11-07
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
主编:
本书旨在为对深度学感兴趣并从事相关研究的本科生、、工程师和研究人员提供的基础知识和python实现方法。在内容编排方面,注重理论和实践的结合,基础知识和前沿技术的结合,并附有相关的应用及实战案例。希望读者通过阅读和学这本书,感受到从事深度学相关研究的乐趣。
目录:
章 绪论
1.1 深度学简介
1.2 神经网络
1.2.1 人脑神经网络
1.2.2 人工神经网络
1.3 神经网络的发展历史
1.4 常用的深度学框架
1.5 编程环境的安装
1.5.1 安装anaconda
1.5.2 安装cuda
1.5.3 安装tensorflow
1.5.4 安装常用编辑器
第2章 机器学基础
2.1 基本概念
2.2 机器学的三个基本要素
2.2.1 模型
2.2.2 学准则
2.2.3 优化算法
2.3 机器学的简单示例——线回归
2.4 偏差-方差分解
2.5 机器学算法的类型
2.6 评价指标
2.7 线模型
2.7.1 线判别函数和决策边界
2.7.2 logistic回归
2.7.3 softmax回归
2.7.4 感知器
第3章 前馈神经网络
3.1 神经元
3.1.1 sigmoid型函数
3.1.2 relu函数
3.1.3 swish函数
3.1.4 gelu函数
3.1.5 maxout单元
3.2 网络结构
3.2.1 前馈网络
3.2.2 记忆网络
3.2.3 图网络
3.3 前馈神经网络
3.3.1 通用近似定理
3.3.2 应用到机器学
3.3.3 参数学
3.4 反向传播算法
3.5 自动梯度计算
3.5.1 数值微分
3.5.2 符号微分
3.5.3 自动微分
3.6 优化问题
3.6.1 非凸优化问题
3.6.2 梯度消失问题
第4章 卷积神经网络
4.1 从全连接层到卷积
4.1.1 不变
4.1.2 多层感知机
4.1.3 卷积
4.1.4 回顾“沃尔多在哪里”
4.2 图像卷积
4.2.1 互相关运算
……
第5章 现代卷积神经网络
第6章 循环神经网络
第7章 网络优化与正则化
第8章 实战演练
内容简介:
本书深入浅出地介绍深度学的基础知识和相关技术,内容涉及近几年深度学领域的研究热点问题,主要有深度学、神经网络及其发展历史,机器学的评价指标及算法的类型,前馈神经网络、反向传播算法和卷积神经网络及其相关技术,alex、vgg、nin、google、re、dene等现代卷积神经网络模型和可以处理序列信息的循环神经网络模型及其实现。针对深度学的实现问题,分析网络优化与正则化的相关方法,并列举3个基于python的实战演练案例,包括mnit手写数字分类的实现、车辆识别和人脸识别。 本书适合深度学初学者阅读,可以作为从事深度学研究和python实现及应用的科学研究工作者和工程技术人员的参书,也可以作为控制科学与工程、计算机科学与技术、机械电子工程等学科或高年级本科生的教材。
作者简介:
郭彤颖,女,博士,副教授,导师。主要有计算机控制系统、计算机与应用、机器人控制等课程。来,主持和参加、省部级科研课题10余项,获省级成果奖1项,沈阳市科技进步1项,辽宁省自然科学学术成果奖3项,沈阳市自然科学学术成果奖1项,校级各类成果奖3项。在外重要的学术期刊与会议上发表40余篇,ci和ei收录20余篇,主编著作和教材5部,参编著作和教材8部。
— 没有更多了 —
以下为对购买帮助不大的评价