深度学习:入门与实践
全新正版 极速发货
¥
27.4
5.6折
¥
49
全新
仅1件
作者龙飞//王永兴
出版社清华大学
ISBN9787302482789
出版时间2017-09
装帧其他
开本其他
定价49元
货号1201579247
上书时间2024-06-20
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
王永兴,毕业于啥尔滨工业大学。曾就职于XILINX北京研发部,从事图像算法硬件并行加速、机器学习算法的研究及开放算法库的设计与实现。目前就职于中国搜索创新研发部,为部门核心技术人员,从事人工智能相关的互联网产品创新研发工作,参与设计开发国搜识图、国搜识车、国搜语音助手等深度学习相关产品。主要研究方向为人工智能、机器视觉、深度学习。
目录
目录
第1章绪论
1.1引言
1.2基本概念
1.2.1回归、分类、聚类
1.2.2监督学习、非监督学习、半监督学习、强化学习
1.2.3感知机、神经网络
1.3发展历程
1.4相关学者与会议或赛事
1.5本章小结
参考文献
第2章回归
2.1线性回归
2.1.1问题描述
2.1.2问题求解
2.1.3工具实现
2.2逻辑回归
2.2.1问题描述
2.2.2问题求解
2.2.3工具实现
2.3本章小结
参考文献
第3章人工神经网络
3.1Rosenblatt感知机
3.1.1训练方法
3.1.2算法实例
3.1.3梯度下降
3.2人工神经网络
3.2.1网络架构
3.2.2训练方法
3.2.3算法实例
3.3本章小结
参考文献
深度学习:入门与实践
目录
第4章Caffe简介
4.1CNN原理
4.1.1卷积
4.1.2池化
4.1.3LeNet5
4.2Caffe架构
4.2.1Blob类
4.2.2Layer类
4.2.3Net类
4.2.4Solver类
4.3Caffe应用实例
4.3.1车型识别
4.3.2目标检测
4.4本章小结
参考文献
第5章TensorFlow简介
5.1TensorFlow架构
5.2TensorFlow简单应用
5.2.1TensorFlow安装
5.2.2线性回归
5.3TensorFlow高级应用
5.3.1MNIST手写数字识别
5.3.2车型识别
5.4本章小结
参考文献
第6章强化学习简介
6.1强化学习基本原理
6.2AlphaGo基本架构
6.3其他趣味应用
6.4本章小结
参考文献
后记
目录
第1章绪论
1.1引言
1.2基本概念
1.2.1回归、分类、聚类
1.2.2监督学习、非监督学习、半监督学习、强化学习
1.2.3感知机、神经网络
1.3发展历程
1.4相关学者与会议或赛事
1.5本章小结
参考文献
第2章回归
2.1线性回归
2.1.1问题描述
2.1.2问题求解
2.1.3工具实现
2.2逻辑回归
2.2.1问题描述
2.2.2问题求解
2.2.3工具实现
2.3本章小结
参考文献
第3章人工神经网络
3.1Rosenblatt感知机
3.1.1训练方法
3.1.2算法实例
3.1.3梯度下降
3.2人工神经网络
3.2.1网络架构
3.2.2训练方法
3.2.3算法实例
3.3本章小结
参考文献
深度学习:入门与实践
目录
第4章Caffe简介
4.1CNN原理
4.1.1卷积
4.1.2池化
4.1.3LeNet5
4.2Caffe架构
4.2.1Blob类
4.2.2Layer类
4.2.3Net类
4.2.4Solver类
4.3Caffe应用实例
4.3.1车型识别
4.3.2目标检测
4.4本章小结
参考文献
第5章TensorFlow简介
5.1TensorFlow架构
5.2TensorFlow简单应用
5.2.1TensorFlow安装
5.2.2线性回归
5.3TensorFlow高级应用
5.3.1MNIST手写数字识别
5.3.2车型识别
5.4本章小结
参考文献
第6章强化学习简介
6.1强化学习基本原理
6.2AlphaGo基本架构
6.3其他趣味应用
6.4本章小结
参考文献
后记
目录
第1章绪论
1.1引言
1.2基本概念
1.2.1回归、分类、聚类
1.2.2监督学习、非监督学习、半监督学习、强化学习
1.2.3感知机、神经网络
1.3发展历程
1.4相关学者与会议或赛事
1.5本章小结
参考文献
第2章回归
2.1线性回归
2.1.1问题描述
2.1.2问题求解
2.1.3工具实现
2.2逻辑回归
2.2.1问题描述
2.2.2问题求解
2.2.3工具实现
2.3本章小结
参考文献
第3章人工神经网络
3.1Rosenblatt感知机
3.1.1训练方法
3.1.2算法实例
3.1.3梯度下降
3.2人工神经网络
3.2.1网络架构
3.2.2训练方法
3.2.3算法实例
3.3本章小结
参考文献
深度学习:入门与实践
目录
第4章Caffe简介
4.1CNN原理
4.1.1卷积
4.1.2池化
4.1.3LeNet5
4.2Caffe架构
4.2.1Blob类
4.2.2Layer类
4.2.3Net类
4.2.4Solver类
4.3Caffe应用实例
4.3.1车型识别
4.3.2目标检测
4.4本章小结
参考文献
第5章TensorFlow简介
5.1TensorFlow架构
5.2TensorFlow简单应用
5.2.1TensorFlow安装
5.2.2线性回归
5.3TensorFlow高级应用
5.3.1MNIST手写数字识别
5.3.2车型识别
5.4本章小结
参考文献
第6章强化学习简介
6.1强化学习基本原理
6.2AlphaGo基本架构
6.3其他趣味应用
6.4本章小结
参考文献
后记
内容摘要
本书由一线资深技术专家撰写,凝结了其自身多年的实践经验,阐述了深度学习的发展历程、相关概念和工作原理,介绍了两个当前流行的深度学习工具:Caffe和TensorFlow,并且初步探讨了强化学习的基本原理和应用。为了帮助初学者快速上手,本书注重从总体框架和脉络上把握深度学习技术,同时在阐述原理时配以简单的实例供读者印证。
本书语言生动风趣,以通俗的语言讲述复杂的原理,循循善诱,深入浅出,适合有志于从事人工智能、深度学习相关研究的信息类专业的高年级本科生或研究生阅读,也可供业界准备或正在从事深度学习、机器视觉等相关研发工作的工程技术人员参考。
— 没有更多了 —
以下为对购买帮助不大的评价