深度学习入门与实践
￥ 44.85 7.5折 ￥ 59.8 全新
库存3件
四川成都
认证卖家担保交易快速发货售后保障
作者王舒禹,吕鑫 编
出版社机械工业出版社
ISBN9787111725770
出版时间2023-06
装帧平装
开本16开
定价59.8元
货号1202899834
上书时间2024-11-27
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
第1部分神经网络和深度学习
第1章深度学习简介
1.1神经网络
1.2神经网络的监督学习应用
1.3为什么深度学习会兴起
第2章神经网络的编程基础
2.1二分类
2.2逻辑回归
2.3逻辑回归的代价函数
2.4梯度下降法
2.5计算图
2.6使用计算图求导数
2.7逻辑回归中的梯度下降
2.8m个样本的梯度下降
2.9向量化
2.10向量化逻辑回归
2.11向量化逻辑回归的输出
2.12Python中的广播
2.13numpy向量
2.14logistic损失函数的解释
第3章浅层神经网络
3.1神经网络概述
3.2神经网络的表示
3.3计算一个神经网络的输出
3.4多样本向量化
3.5激活函数
3.6激活函数的导数
3.7神经网络的梯度下降
3.8理解反向传播
3.9随机初始化
第4章深层神经网络
4.1深层神经网络概述
4.2前向传播和反向传播
4.3深层网络中矩阵的维数
4.4为什么使用深层表示
4.5超参数
第2部分改善深层神经网络：超参数调试、正则化以及优化
第5章深度学习的实践
5.1训练、验证、测试集
5.2偏差、方差
5.3机器学习基础
5.4正则化
5.5正则化如何降低过拟合
5.6dropout正则化
5.7理解dropout
5.8其他正则化方法
5.9归一化输入
5.10梯度消失/梯度爆炸
5.11梯度的数值逼近
……
内容摘要
大约在一百年前，电气化改变了交通运输行业、制造业、医疗行业、通信行业，如今AI带来了同样巨大的改变。AI的各个分支中发展为迅速的方向之一就是深度学习。
本书主要涉及以下内容：第1部分是神经网络的基础，学习如何建立神经网络，以及如何在数据上面训练它们。第2部分进行深度学习方面的实践，学习如何构建神经网络与超参数调试、正则化以及一些高级优化算法。第3部分学习卷积神经网络(CNN)，以及如何搭建模型、有哪些经典模型。它经常被用于图像领域，此外目标检测、风格迁移等应用也将涉及。后在第4部分学习序列模型，以及如何将它们应用于自然语言处理等任务。序列模型讲到的算法有循环神经网络（RNN）、长短期记忆网络（LSTM）、注意力机制。
通过以上内容的学习，读者可以入门深度学习领域并打下扎实基础，为后续了解和探索人工智能前沿科技做知识储备。
主编推荐
本教材的作者是海外引进人才，既有国外学习工作的背景，也有在国内院校教学的经验，本书正是将二者有机结合起来，编写而成的深度学习的入门级教材。通过本书的学习，可以打下扎实基础，为后续了解人工智能前沿做知识储备。
— 没有更多了 —
以下为对购买帮助不大的评价