深度学习与Python实现及应用
正版新书 新华官方库房直发 可开电子发票
￥ 44.26 7.5折 ￥ 59 全新
库存4件
作者郭彤颖等编著
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开
纸张胶版纸
页数248页
字数359千字
定价59元
货号SC:9787302599418
上书时间2024-09-06
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
郭彤颖，女，博士，副教授，研究生导师。主要教学有计算机控制系统、计算机原理与应用、机器人控制等课程。近年来，主持和参加国家、省部级科研课题10余项，获省级优秀教学成果奖1项，沈阳市科技进步一等奖1项，辽宁省自然科学学术成果奖三等奖3项，沈阳市自然科学学术成果奖二等奖1项，校级各类教学成果奖3项。在国内外重要的学术期刊与会议上发表论文40余篇，SCI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。
主编推荐:
本书旨在为对深度学习感兴趣并从事相关研究的本科生、研究生、工程师和研究人员提供推荐的基础知识和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习这本书，感受到从事深度学习相关研究的乐趣。
内容简介:
本书深入浅出地介绍深度学习的基础知识和相关技术，内容涉及近几年深度学习领域的研究热点问题，主要有深度学习、神经网络及其发展历史，机器学习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，AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet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。针对深度学习的实现问题，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MNIST手写数字分类的实现、车辆识别和人脸识别。 本书适合深度学习初学者阅读，可以作为从事深度学习研究和Python实现及应用的科学研究工作者和工程技术人员的参考书，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研究生或高年级本科生的教材。
目录:
第1章 绪论
1.1 深度学习简介
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 常用的深度学习框架
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 机器学习基础
2.1 基本概念
2.2 机器学习的三个基本要素
2.2.1 模型
2.2.2 学习准则
2.2.3 优化算法
2.3 机器学习的简单示例——线性回归
2.4 偏差-方差分解
2.5 机器学习算法的类型
2.6 评价指标
2.7 线性模型
2.7.1 线性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 应用到机器学习
3.3.3 参数学习
3.4 反向传播算法
3.
...
— 没有更多了 —
以下为对购买帮助不大的评价