人工智能：深度学习核心算法
正版保障 假一赔十 可开发票
￥ 61.47 6.3折 ￥ 98 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者冯超编著
出版社电子工业出版社
ISBN9787121381423
出版时间2020-08
装帧精装
开本其他
定价98元
货号9894162
上书时间2024-12-23
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
冯超，毕业于中国科学院大学，现任阿里巴巴不错算法专家，曾在滴滴出行、猿辅导等公司担任核心算法业务负责人。自2016年起，在知乎开设技术专栏，并著有口碑技术书《深度学习轻松学：核心算法与视觉实践》《强化学习精要：核心算法与TensorFlow实现》。
目录
第1章 从生活走进深度学习
1.1 钞票面值问题
1.2 机器学习的特征表示
1.3 机器学习
1.4 深度学习的逆袭
1.5 总结与提问
第2章 构建小型神经网络
2.1 线性代数基础
2.2 全连接层与非线性函数
2.3 神经网络可视化
2.4 反向传播法
2.5 反向传播法的计算方法
2.6 反向传播法在计算上的抽象
2.7 反向传播法在批量数据上的推广
2.8 模型训练与结果可视化
2.9 总结与提问
第3章 多层网络与分类
3.1 MNIST数据集
3.2 概率论基础
3.3 Softmax函数
3.4 交叉熵损失
3.5 使用PyTorch实现模型构建与训练
3.6 模型结果分析
3.7 总结与提问
第4章 卷积神经网络
4.1 卷积操作
4.2 卷积层汇总了什么
4.3 卷积层的反向传播
4.4 ReLU
4.5 Pooling层
4.6 卷积神经网络实验
4.7 卷积神经网络的感受野
4.8 总结与提问
第5章 网络初始化
5.1 错误的初始化
5.2 关于数值的初始化实验
5.3 Xavier初始化
5.4 MSRA初始化
5.5 ZCA初始化
5.6 总结与提问
第6章 网络优化
6.1 梯度下降法
6.2 动量法
6.3 随机梯度下降的变种算法
6.4 总结与提问
第7章 进一步强化网络
7.1 Dropout
7.2 BatchNormalization
7.3 总结与提问
第8章 高级网络结构
8.1 CIFAR10数据集
8.2 VGG模型
8.3 ResNet
8.4 Inception
8.5 通道分解的网络
8.6 总结与提问
第9章 网络可视化
9.1 模型优化路径的简单可视化
9.2 卷积神经网络的可视化
9.3 图像风格转换
9.4 总结与提问
第10章 物体检测
10.1 物体检测的评价指标
10.2 YOLOv3：一阶段检测算法
10.3 FasterRCNN：两阶段检测算法
10.4 总结与提问
第11章 词嵌入
11.1 One-Hot编码的缺点
11.2 分布式表征
11.3 负采样
11.4 SGNS实现
11.5 tSNE
11.6 总结与提问
第12章 循环神经网络
12.1 语言模型与循环神经网络
12.2 RNN实现
12.3 LSTM网络
12.4 语言模型实践
12.5 LSTM网络的可视化与分析
12.6 RNN的应用类型
12.7 CTC
12.8 总结与提问
第13章 Transformer
13.1 Transformer模型的基本结构
13.2 模型训练与预测
13.3 BERT模型
13.4 总结与提问
第14章 深度分解模型
14.1 分解机
14.2 评价指标AUC
14.3 DeepFM
14.4 DeepFM的改进方法
14.5 总结与提问
主编推荐
系统讲解深度学习模型 剖析深度学习在经典应用领域的核心算法 图像分类、物体检测、机器翻译、系统、广告等领域初探
精彩内容
本书是一本介绍深度学习核心算法的书籍。书中以轻松、直白的语言，生动、详细地介绍了与深度学习模型相关的基础知识，深入剖析了深度学习核心算法的原理与本质。同时，书中配有大量案例与源码，帮助读者切实体会深度学习的核心思想和精妙之处。此外，书中还介绍了深度学习在计算机视觉、自然语言处理和推荐系统领域的应用，从原理层面揭示其思想，帮助读者在这些领域中夯实技术基础。
本书的主要读者为计算机与人工智能相关领域的学生、入门研究者。本书适合作为深度学习知识培训的辅助阅读材料。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价