深度学习的数学原理与实现
全新正版 极速发货
￥ 33.1 5.6折 ￥ 59 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者王晓华
出版社清华大学出版社
ISBN9787302580287
出版时间2021-06
装帧平装
开本16开
定价59元
货号1202361590
上书时间2024-12-16
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。
"
目录
章Hello World——从计算机视觉与人类视觉谈起
1.1人类的视觉
1.1.1人类视觉神经的启迪
1.1.2计算机视觉的难点与人工神经网络
1.1.3应用深度学习解决计算机视觉问题
1.2计算机视觉学习的基础与研究方向
1.2.1学习计算机视觉结构图
1.2.2计算机视觉的学习方式和未来趋势
1.3本章小结
第2章道士下山——故事的开始
2.1BP神经网络简介
2.2BP神经网络的两个基础算法详解
2.2.1最小二乘法
2.2.2梯度下降法
2.3反馈神经网络反向传播算法
2.3.1深度学习基础
2.3.2链式求导法则
2.3.3反馈神经网络原理与公式推导
……
内容摘要
深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。本书共12章。章介绍人类视觉和深度学习的联系。第2章介绍深度学习中很为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章介绍线性回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍TensorFlow框架。第9章介绍推荐算法。0章介绍深度学习中的标准化、正则化和初始化。1章是案例人脸识别。2章是词嵌入向量案例，介绍自然语言处理方面的应用。本书理论和实践相结合，理论讲解细致直观，通过实例进行演示，可以使读者快速掌握本书内容。本书适合深度学习初学者、深度学习算法开发人员阅读，也适合高等院校和培训机构人工智能相关专业的师生参考。
主编推荐
本书从深度学习的基础知识出发，介绍深度学习每个组成部分的原理，并推导出其中的数学公式，以帮助读者掌握深度学习的理论知识。本书还讲解了具体的代码实现，让读者在掌握深度学习原理的同时，也能通过动手实践深入理解这些知识。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价