深度学习理论与实践
全新正版 极速发货
￥ 47.13 5.9折 ￥ 79.8 全新
库存13件
广东广州
认证卖家担保交易快速发货售后保障
作者主编：曹文明 王浩； 副主编：全智 何志权 温阳
出版社清华大学出版社
ISBN9787302634669
出版时间2024-01
装帧平装
开本16开
定价79.8元
货号1203191541
上书时间2024-09-05
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 绪论 1
1.1 疫情防控中的应用 3
1.2 自动驾驶中的应用 4
1.3 现代农业中的应用 5
第2章 基础回归模型 6
2.1 线性回归模型 6
2.1.1 一元线性回归 7
2.1.2 多元线性回归 7
2.1.3 多项式回归 9
2.2 参数估计模型 10
2.2.1 最小二乘估计 10
2.2.2 岭回归 12
2.2.3 套索回归 14
2.2.4 弹性回归 15
2.3 梯度下降算法 17
2.3.1 梯度的概念 17
2.3.2 梯度下降法算法 21
2.3.3 梯度下降算法分类 25
2.4 回归模型效果评估 27
2.4.1 平均绝对误差(MAE) 27
2.4.2 平均绝对百分比误差MAPE) 27
2.4.3 均方误差(MSE) 28
2.4.4 均方根误差(RMSE) 28
2.4.5 均方根对数误差(RMSLE) 28
2.4.6 中位数绝对误差(MedAE) 28
2.4.7 决定系数(R2) 29
习题2 30
……
内容摘要
深度学习是计算机科学的一个重要分支，是一种以人工神经网络为架构，对数据进行表征学习的算法的总称。深度学习是传统机器学习算法的发展和衍生，相关内容涉及代数、统计学、优化理论、矩阵计算等多个领域。《深度学习理论与实践》是深度学习的基础入门级教材，在内容上尽可能覆盖深度学习算法相关基础知识。全书共11章，大致可分为三大部分：第一部分(第1～3章)主要介绍机器学习的基础知识和一些传统算法；第二部分(第4～8章)主要介绍人工神经网络等的相关理论、优化算法和各类经典神经网络模型；第三部分(第9～11章)为进阶知识，主要介绍非监督学习和强化学习的相关算法。
在学习《深度学习理论与实践》的过程中，读者不仅要深入理解相关算法理论，更要多思多练。读者在阅读各章节内容后，可基于各章习题巩固知识，并将理论与实践结合，基于torch、tensorflow等深度学习平台在实际任务中演练所学理论知识和技能。本书可作为高等院校计算机或电子信息相关专业的本科生或研究生教材。
主编推荐
"深度学习相关技术逐渐成为目前工业界和学术界探索和研究的重点，并且越来越多的相关算法在实际应用中取得了广泛的成功。这些算法的成功和发展离不开相关研究者对深度学习相关理论的探索。目前的深度学习算法依然存在黑盒属性、需要大量训练样本、可解释性差、调参困难、算法模型规模大、学习时效低等不足，并且和人类本身的学习方式及智能化水平相比，
仍有着巨大的发展空间。这些也要求我们深入理解当前深度学习的相关算法理论，针对其特性
和缺点不断加以改进提升。
本书的写作目的是将深度学习的相关算法理论和应用实践深入浅出地介绍给读者，力求使大学本科低年级学生能够理解和掌握相关内容。本书-共包含11章。第1章绪论，简要介绍人工智能、机器学习、深度学习的基本概念、发展历程和- -些典型的应用实例。第2和第3章,基于回归和基础分类两个基本模型介绍机器学习的基础知识，为后续深度学习相关内容提供知识基础。第4和第5章是深度学习的理论基础章节，阐述人工神经网络基础，学习模型的训练和优化算法改进方法，以及模型的相关效果评估和具体实现方式。第6和第7章是深度学习理论在图像数据和序列数据处理上的应用和发展，分别介绍卷积神经网络及其经典模型、循环神经网络及其经典模型。第8章是深度学习理论在自然语言处理问题上的拓展和应用，重点阐述注意力机制及其经典模型，并探讨模型在自然语言处理中的算法演进。第9章是深度学习理论在网络图数据处理问题上的拓展和应用，重点阐述基于谱域和空间域的各类图神经网络模型。第10章探讨针对无监督特征学习问题的传统机器学习算法和相关深度学习模型。第11章介绍强化学习的相关理论和经典模型。"
— 没有更多了 —
以下为对购买帮助不大的评价