消息首页搜索举报

深度学——、模型与实践大中专文科专业法律邓建华

新华书店全新正版书籍支持7天无理由

29 4.8折 59.8 全新

仅1件

河北保定

认证卖家担保交易快速发货售后保障

作者邓建华

出版社人民邮电

ISBN9787115565105

出版时间2021-11

版次1

装帧平装

开本16

页数170页

定价59.8元

货号423_9787115565105

上书时间2024-06-30

典则俊雅图书专营店

五年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 32小时
好评率暂无

最新上架

格林小火车儿童文学 (英)格雷厄姆·格林(graham greene) 文;(英)爱德华·阿迪卓恩(edward ardizzone) 图; ¥7.10

格林小火车-小呼噜镇的小火车童话故事 (英)格雷厄姆·格林文 ¥10.70

剪刀手事件儿童文学林哲璋 ¥6.00

聪明宝宝观察力培养书(1) 低幼启蒙编者:风车 ¥5.00

未来时光机儿童文学林哲璋 ¥6.00

聪明宝宝启蒙小故事低幼启蒙风车编 ¥29.50

不可思议的青蛙儿童文学王一梅 ¥6.60

大负子虫爸爸的快乐少儿科普代晓琴 ¥5.80

糊涂猪的烦恼儿童文学王一梅 ¥6.90

商品详情

品相描述：全新: 正版特价新书

商品描述: 主编：

1.本书是深度学领域的入门教材
2.阐述了深度学的知识体系，包括人工智能的基础知识及深度学的基本、模型、方法和实践案例
3.全书内容包括人工智能基础、机器学基础、深度学主要框架、深度神经网络、卷积神经网络、循环神经网络、自编码与生成对抗网络。

目录：

01  人工智能基础

1.1  人工智能概述

1.1.1  人工智能的层次结构

1.1.2  人工智能的典型事件

1.2  人工智能数学基础

1.2.1  矩阵及其运算

1.2.2  向量与向量空间

1.2.3  特征值与特征向量

1.2.4  奇异值分解

1.2.5  二次型

1.2.6  范数

1.2.7  导数与偏导数

1.2.8  方向导数与梯度

1.2.9  泰勒公式

1.2.10  函数的极值点

1.2.11  变量与概率分布

1.2.12  变量的数字特征

1.3  本章小结

1.4  题

02  机器学基础

2.1  机器学概述

2.1.1  机器学的定义

2.1.2  机器学的分类

2.1.3  常用损失函数

2.2  分类与回归

2.3  模型的评估

2.3.1  数据集的划分方法

2.3.2  模型的评价指标

2.4  模型的选择

2.4.1  欠拟合与过拟合

2.4.2  偏差与方差

2.4.3  正则化

2.5  本章小结

2.6  题

03  深度学主要框架

3.1  tensorflow与应用

3.1.1  安装与编译

3.1.2  tensorflow框架结构分析

3.1.3  tensorflow与方法

3.1.4  案例应用

3.2  其他框架

3.2.1  keras

3.2.2  caffe

3.2.3  pytorch

3.2.4  其他框架

3.3  本章小结

3.4  题

04  深度神经网络

4.1  深度神经网络概述

4.2  网络结构设计

4.2.1  架构设计

4.2.2  隐藏层

4.2.3  xor的案例展示

4.3  前向传播算法

4.4  反向传播算法

4.4.1  梯度下降算法与学率

4.4.2  反向传播算法的优点

4.4.3  反向传播相关计算公式

4.4.4  使用链式法则推导

4.5  常用的优化算法

4.5.1  梯度下降算法和小批量梯度下降算法

4.5.2  动量法

4.5.3  adagrad算法

4.6  常用的正则化方法

4.6.1  范数惩罚法

4.6.2  稀疏表示法

4.6.3  其他方法

4.7  案例应用

4.8  本章小结

4.9  题

05  积神经网络

5.1  卷积神经网络的发展历程

5.2  卷积层

5.2.1  为什么使用卷积

5.2.2  卷积运算

5.2.3  卷积核

5.2.4  填充和步长

5.2.5  激活函数

5.3  池化层

5.3.1  池化

5.3.2  池化方法

5.4  全连接层

5.5  经典的卷积神经网络结构

5.5.1  alex

5.5.2  vgg

5.5.3  res

5.5.4  yolo

5.5.5  其他卷积神经网络结构

5.6  案例应用

5.6.1  案例内容

5.6.2  快速上手

5.6.3  如何训练

5.7  本章小结

5.8  题

06  循环神经网络

6.1  循环神经网络概述

6.2  简单循环神经网络

6.3  双向循环神经网络

6.4  基于编码-解码的序列到序列结构

6.4.1  序列到序列结构

6.4.2  编码-解码结构

6.4.3  目标函数

6.4.4  注意力机制

6.5  训练方法

6.6  长短期记忆网络

6.6.1  核心思想

6.6.2  网络结构

6.6.3  lstm网络的训练

6.6.4  相关变体

6.7  案例应用

6.8  本章小结

6.9  题

07  自与生成对抗网络

7.1  自

7.1.1  自概述

7.1.2  欠完备自

7.1.3  正则自

7.1.4  卷积自

7.1.5  使用keras实现简单的自

7.2  生成对抗网络

7.2.1  gan概述

7.2.2  一般的gan

7.2.3  cgan

7.2.4  dcgan

7.3  本章小结

7.4  题

参文献

内容简介：

本书是深度学领域的入门教材，全面阐述了深度学的知识体系，涵盖人工智能的基础知识及深度学的基本、模型、方法和实践案例，使读者掌握深度学的相关知识，提高和用深度学方法解决实际问题的能力。全书内容包括人工智能基础、机器学基础、深度学主要框架、深度神经网络、卷积神经网络、循环神经网络、自与生成对抗网络。本书可作为高等院校人工智能、计算机、自动化、电子与通信等相关专业的本科生或教材，也可作为相关领域的研究人员和工程技术人员的参书。