掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人民郵電出版社圖解深度學習 版權信息
- ISBN：9787115480248
- 條形碼：9787115480248 ; 978-7-115-48024-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人民郵電出版社圖解深度學習 本書特色
本書從深度學習的發展歷程講起，以豐富的圖例從理論和實踐兩個層面介紹了深度學習的各種方法，以及深度學習在圖像識別等領域的應用案例。內容涉及神經網絡、卷積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。
人民郵電出版社圖解深度學習 內容簡介
本書從深度學習的發展歷程講起，以豐富的圖例從理論和實踐兩個層面介紹了深度學習的各種方法，以及深度學習在圖像識別等領域的應用案例。內容涉及神經網絡、卷積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。
人民郵電出版社圖解深度學習 目錄
第 1章 緒論
1.1 深度學習與機器學習 2
1.2 深度學習的發展歷程 3
1.3 為什么是深度學習 6
1.4 什么是深度學習 7
1.5 本書結構 9
第 2章 神經網絡
2.1 神經網絡的歷史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反向傳播算法 19
2.6 誤差函數和激活函數 28
2.7 似然函數 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結 33
第3章 卷積神經網絡
3.1 卷積神經網絡的結構 36
3.2 卷積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸出層 41
3.6 神經網絡的訓練方法 41
3.7 小結 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經網絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網絡 64
4.6 小結 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結 98
第7章 深度學習工具
7.1 深度學習開發環境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練系統——DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結 176
第8章 深度學習的現在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結 197
參考文獻 198
1.1 深度學習與機器學習 2
1.2 深度學習的發展歷程 3
1.3 為什么是深度學習 6
1.4 什么是深度學習 7
1.5 本書結構 9
第 2章 神經網絡
2.1 神經網絡的歷史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反向傳播算法 19
2.6 誤差函數和激活函數 28
2.7 似然函數 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結 33
第3章 卷積神經網絡
3.1 卷積神經網絡的結構 36
3.2 卷積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸出層 41
3.6 神經網絡的訓練方法 41
3.7 小結 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經網絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網絡 64
4.6 小結 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結 98
第7章 深度學習工具
7.1 深度學習開發環境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練系統——DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結 176
第8章 深度學習的現在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結 197
參考文獻 198
展開全部
人民郵電出版社圖解深度學習 作者簡介
山下隆義（作者） 1978年出生于日本神戶，2002年修完博士前期課程，并于當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發。2011年在日本中部大學研究生院工學研究科修完博士后期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程系講師。目前從事動畫處理、模式識別和機器學習相關的研究。曾多次榮獲日本深度學習研究相關獎項，并在多個相關研討會上擔任講師。 張彌（譯者） 畢業于大連外國語大學日本語學院。現就職于某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發和醫學翻譯經驗。喜歡挑戰新事物，樂于學習新知識和接觸新領域。
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
羅庸西南聯大授課錄
- >
二體千字文
- >
名家帶你讀魯迅:故事新編
- >
煙與鏡
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
唐代進士錄
- >
經典常談
本類暢銷
