人工智能中的深度结构学习
正版保障 假一赔十 可开发票
￥ 18.16 5.2折 ￥ 35 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者Yoshua Bengio
出版社机械工业出版社
ISBN9787111569350
出版时间2017-08
装帧平装
开本16开
定价35元
货号25125879
上书时间2024-11-01
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
以人工智能为代表的新技术正在给人们的生产和生活方式带来革命性变化。人工智能技术试图了解智能的本质，并产生一种新的能以人类智能相似的方式做出反应的智能机器。让计算机理解现实世界中诸如图像，语音和语言等数据所蕴含的高层次抽象信息，并加以利用，是该领域*的挑战之一。诸多理论和实践成果表明，以深度神经网络为代表的“深度结构”是解决该问题的*重要工具之一。本书详细论述了采用深度结构的动机、原理和理论依据，讨论了训练深度神经网络的难点，继而详尽的介绍了自动编码器、受限玻尔兹曼机以及深度置信网络的概念和理论，并进行了理论分析。本书是深入理解深度学习的动机和原理的经典之作。
作者简介
尤舒亚·本吉奥（Yoshua Bengio），加拿大蒙特利尔大学计算机科学与运筹学系教授，领导蒙特利尔学习算法研究所。他是深度学习历目前的代表性人物之一，发表了200余篇论文和两部专著，是加拿大论文引用率高的计算机科学家之一。
俞凯，上海交通大学计算机系研究员，思必驰公司首席科学家，IEEE不错会员，国家青年干人，NSFC优青。研究兴趣为语音语言处理、机器学习、人机交互。发表论文100余篇，获4篇靠前期刊及会议很优论文奖。
吴科，上海交通大学计算机系助理研究员，ACM会员。曾任阿里巴巴搜索研发专家，雅虎中国新闻搜索技术负责人。研究兴趣为自然语言处理及机器学习。
目录
译者序
１ 引言１
１.１ 如何训练深度结构３
１.２ 中间层表示：在不同的任务中共享特征和抽象４
１.３ 学习人工智能的必经之路５
１.４ 本书大纲６
２ 深度结构的理论优势８
２.１ 计算复杂性１０
２.２ 一些非正式的论证１１
３ 局部与非局部泛化性１３
３.１ 局部模板匹配的局限性１３
３.２ 学习分布式表示１７
４ 具有深度结构的神经网络１９
４.１ 多层神经网络１９
４.２ 训练深度神经网络的挑战２０
４.３ 深度结构的无监督学习２５
４.４ 深度生成结构２６
４.５ 卷积神经网络２８
４.６ 自动编码器２９
５ 能量模型和玻尔兹曼机３１
５.１ 能量模型和专家乘积系统３１
５.２ 玻尔兹曼机３４
５.３ 受限玻尔兹曼机３６
５.４ 对比散度３９
目 录Ⅴ
６ 深层结构的逐层贪心训练４６
６.１ 深度置信网络的逐层训练４６
６.２ 堆叠自动编码器训练４８
６.３ 半监督与部分监督训练４９
７ 受限玻尔兹曼机和自动编码器的变体５１
７.１ 自动编码器和受限玻尔兹曼机的稀疏化表示５１
７.２ 降噪自动编码器５５
７.３ 层内连接５６
７.４ 条件ＲＢＭ和时序ＲＢＭ ５７
７.５ 分解式ＲＢＭ ５９
７.６ 受限玻尔兹曼机和对比散度的推广５９
８ ＤＢＮ各层联合优化中的随机变分边界６２
８.１ 将ＲＢＭ展开为无限有向置信网络６２
８.２ 逐层贪心训练的变分证明６４
８.３ 所有层的联合无监督训练６６
９ 展望６９
９.１ 全局优化策略６９
９.２ 无监督学习的重要性７２
９.３ 开放的问题７３
１０ 总结７６
致谢７８
参考文献７９
内容摘要
以人工智能为代表的新技术正在给人们的生产和生活方式带来革命性变化。人工智能技术试图了解智能的本质，并产生一种新的能以人类智能相似的方式做出反应的智能机器。让计算机理解现实世界中诸如图像，语音和语言等数据所蕴含的高层次抽象信息，并加以利用，是该领域*的挑战之一。诸多理论和实践成果表明，以深度神经网络为代表的“深度结构”是解决该问题的*重要工具之一。本书详细论述了采用深度结构的动机、原理和理论依据，讨论了训练深度神经网络的难点，继而详尽的介绍了自动编码器、受限玻尔兹曼机以及深度置信网络的概念和理论，并进行了理论分析。本书是深入理解深度学习的动机和原理的经典之作。
媒体评论
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价