深度学习的数学原理与实现

图书标准信息

• 作者 王晓华 著
• 出版社 清华大学出版社
• 出版时间 2021-06
• 版次 1
• ISBN 9787302580287
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 210页
• 字数 352.000千字

【内容简介】

深度学已经进入我们的生活，云计算和大数据为深度学提供了便利。本书主要讲解深度学中的数学知识、算法和实现方法，配套源码、数据集和开发环境。本书共12章。章介绍人类视觉和深度学的联系。第2章介绍深度学中很为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交熵、决策树和信息熵。第5章介绍线回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍tenorflow框架。第9章介绍算法。0章介绍深度学中的标准化、正则化和初始化。1章是案例人脸识别。2章是词嵌入向量案例，介绍自然语言处理方面的应用。本书理论和实践相结合，理论讲解细致直观，通过实例进行演示，可以使读者快速掌握本书内容。本书适合深度学初学者、深度学算法开发人员阅读，也适合高等院校和培训机构人工智能相关专业的师生参。

【作者简介】

‘王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、hadoop程序设计等和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项和省级科研课题，独立科研项目获省级成果认定，发表过多篇，拥有一项。著有park mllib机器学实践tenorflow深度学应用实践opencvtenorflow深度学与计算机视觉实战tenorflow 2.0卷积神经网络实战tenorflowkera自然语言处理实战等图书。
‘

【目录】

章hello world——从计算机视觉与人类视觉谈起

1.1人类的视觉

1.1.1人类视觉神经的启迪

1.1.2计算机视觉的难点与人工神经网络

1.1.3应用深度学解决计算机视觉问题

1.2计算机视觉学的基础与研究方向

1.2.1学计算机视觉结构图

1.2.2计算机视觉的学方式和未来趋势

1.3本章小结

第2章道士下山——

2.1bp神经网络简介

2.2bp神经网络的两个基础算法详解

2.2.1小二乘法

2.2.2梯度下降法

2.3反馈神经网络反向传播算法

2.3.1深度学基础

2.3.2链式求导法则

2.3.3反馈神经网络与公式推导

……