基于r语言的深度学 水利电力 作者
none
￥ 54.9 6.2折 ￥ 88 全新
库存2件
河北保定
认证卖家担保交易快速发货售后保障
作者作者
出版社中国电力出版社
ISBN9787519870676
出版时间2023-01
版次1
装帧平装
开本16
页数304页
字数396千字
定价88元
货号304_9787519870676
上书时间2024-12-11
- 在售商品 暂无
- 平均发货时间 33小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
前言
部分 深 度 学 基 础
章 深度学架构与技术 2
1.1 r语言实现的深度学 3
1.1.1 深度学发展趋势 3
1.1.2 r软件包的版本 3
1.2 深度学网络模型的开发过程 5
1.2.1 为深度学网络模型准备数据 5
1.2.2 开发模型架构 7
1.2.3 编译模型 9
1.2.4 拟合模型 11
1.2.5 评估模型能 12
1.3 r语言和rstudio实现的深度学技术 13
1.3.1 多类分类问题 14
1.3.2 回归问题 14
1.3.3 图像分类 15
1.3.4 卷积神经网络 15
1.3.5 自 15
1.3.6 迁移学 16
1.3.7 生成对抗网络 16
1.3.8 文本分类的深度学网络 16
1.3.9 循环神经网络 17
1.3.10 长短期记忆网络 17
1.3.11 卷积循环网络 17
1.3.12 提示、和佳实践 18
1.4 本章小结 18
第二部分 预测与分类问题的深度学
第2章 多类分类问题的深度神经网络 20
2.1 胎儿心电图数据集 20
2.1.1 医学数据集 20
2.1.2 数据集分类 21
2.2 建模数据准备 22
2.2.1 数值型变量的归一化 22
2.2.2 数据分割 22
2.2.3 独热编码 23
2.3 深度神经网络模型的创建与拟合 24
2.3.1 模型架构开发 24
2.3.2 模型编译 26
2.3.3 模型拟合 26
2.4 模型评价和预测 28
2.4.1 损失函数与准确率计算 29
2.4.2 混淆矩阵 29
2.5 能优化提示与佳实践 31
2.5.1 增加隐藏层的实验 31
2.5.2 隐藏层增加单元数量的实验 34
2.5.3 多单元多层网络的实验 36
2.5.4 分类不衡问题的实验 39
2.5.5 模型的保存与重新上载 42
2.6 本章小结 43
第3章 回归问题的深度神经网络 44
3.1 波士顿房价数据集 44
3.2 建模数据准备 46
3.2.1 神经网络的可视化 46
3.2.2 数据分割 48
3.2.3 归一化 48
3.3 回归问题深度神经网络模型的创建与拟合 49
3.3.1 参数数计算 50
3.3.2 模型编译 50
3.3.3 模型拟合 50
3.4 模型评价和预测 52
3.4.1 评价 52
3.4.2 预测 53
3.4.3 改进 54
3.5 能优化提示与佳实践 58
3.5.1 输出变量的对数变换 58
3.5.2 模型能 61
3.6 本章小结 62
第三部分 面向计算机视觉的深度学
第4章 图像分类与识别 64
4.1 处理图像数据 64
4.2 数据准备 68
4.2.1 尺寸与形状调整 69
4.2.2 创建训练、验证和测试数据 70
4.2.3 独热编码 72
4.3 模型创建与拟合 73
4.3.1 模型架构开发 73
4.3.2 模型编译 74
4.3.3 模型拟合 74
4.4 模型评价和预测 76
4.4.1 训练数据的损失、准确率和混淆矩阵 76
4.4.2 训练数据的预测概率 77
4.4.3 测试数据的损失、准确率和混淆矩阵 78
4.4.4 测试数据的预测概率 79
4.5 能优化提示与佳实践 80
4.5.1 更深层次的神经网络 80
4.5.2 结果 81
4.6 本章小结 85
……
内容简介：
本书将通过示例帮助读者应用r语言实现深度学算法。它涵盖了各种神经网络模型，如人工神经网络、卷积神经网络、循环神经网络、长短期记忆网络和其他采用专家技术的模型。在阅读本书的过程中，读者将利用kerar、tenorflowr等流行的深度学库来实现人工智能模型。
— 没有更多了 —
以下为对购买帮助不大的评价