中圖網小程序
一鍵登錄
更方便
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
神經網絡與深度學習實戰:PYTHON+KERAS+TENSORFLOW 版權信息
- ISBN：9787111632665
- 條形碼：9787111632665 ; 978-7-111-63266-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
神經網絡與深度學習實戰:PYTHON+KERAS+TENSORFLOW 本書特色
從深度學習數學基礎，到神經網絡與深度學習實戰，詳解機器視覺、自然語言處理、生成對抗網絡等領域13個案例
神經網絡與深度學習實戰:PYTHON+KERAS+TENSORFLOW 內容簡介
本書通過理論與項目實踐相結合的方式引領讀者進入人工智能技術的大門。書中首先從人工智能技術的數學基礎講起，然后重點剖析神經網絡的運行流程，很后以大量的實際項目編碼實踐方式幫助讀者扎實地掌握人工智能開發所需要的基本理論知識和核心開發技術。 本書共15章，涵蓋的內容有神經網絡初體驗；深度學習的微積分基礎；深度學習的線性代數基礎；神經網絡的理論基礎；用Python從零實現識別手寫數字的神經網絡；神經網絡項目實踐；使用神經網絡實現機器視覺識別；用深度學習實現自然語言處理；自動編解碼網絡和生成型對抗性網絡；增強性學習網絡的開發實踐；TensorFlow入門；使用TensorFlow和Keras開發不錯自然語言處理系統；使用TensorFlow和Keras實現不錯圖像識別處理系統；使用TensorFlow和Keras打造智能推薦系統；深度學習重要概念和技巧總結。 本書盡可能通過細致的講解降低讀者入門人工智能編程的門檻。書中案例豐富，內容很好實用，特別適合有志于投身人工智能領域的IT專業人士或學生閱讀。閱讀本書需要讀者具有一定的數學基礎。
神經網絡與深度學習實戰:PYTHON+KERAS+TENSORFLOW 目錄
前言
本書內容導圖
第1章 神經網絡初體驗 1
1.1 開發環境的安裝 1
1.2 快速構建一個識別手寫數字圖片的神經網絡 2
第2章 深度學習中的微積分基礎 8
2.1 實數中的無理數 8
2.2 什么叫極限 10
2.3 函數的連續性 12
2.4 函數求導 13
2.5 導數的一般法則 15
2.6 間套函數的鏈式求導法則 17
2.7 多變量函數與偏導數 19
2.8 導數與極值 19
2.9 使用導數尋求函數的*小值 21
第3章 深度學習的線性代數基礎 25
3.1 常量與向量 26
3.2 矩陣及相關操作 26
3.3 tensor——多維向量 28
3.4 向量范數 30
第4章 神經網絡的理論基礎 31
4.1 詳解神經網絡中的神經元激活函數 31
4.2 使用矩陣運算驅動神經網絡數據加工鏈 38
4.3 通過反向傳播算法回傳誤差改進鏈路權重 42
4.4 使用矩陣和梯度下降法實現神經網絡的迭代訓練 45
4.5 手算梯度下降法，詳解神經網絡迭代訓練過程 53
第5章 用Python從零實現識別手寫數字的神經網絡 58
5.1 基本框架的搭建 58
5.2 實現網絡的迭代訓練功能 62
5.3 網絡訓練，識別手寫數字圖片 64
第6章 神經網絡項目實踐 70
6.1 使用神經網絡分析電影評論的正能量和負能量 70
6.2 使用神經網絡實現新聞話題分類 78
6.3 使用神經網絡預測房價中位數 83
第7章 使用神經網絡實現機器視覺識別 90
7.1 卷積神經網絡入門 90
7.2 從零開始構造一個識別貓、狗圖片的卷積網絡 93
7.3 使用預先訓練的卷積網絡實現圖像快速識別 101
7.4 視覺化神經網絡的學習過程 105
7.5 揭秘卷積網絡的底層原理 109
第8章 用深度學習實現自然語言處理 124
8.1 Word Embedding 單詞向量化 124
8.2 概率論的一些重要概念 130
8.3 skip-gram單詞向量化算法的數學原理 136
8.4 使用預先訓練好的單詞向量實現新聞摘要分類 140
8.5 RNN——具有記憶功能的神經網絡 143
8.6 LSTM網絡層詳解及其應用 145
8.7 使用RNN和CNN混合的“雞尾酒療法”提升網絡運行效率 148
第9章 自動編解碼網絡和生成型對抗性網絡 150
9.1 自動編解碼器網絡的原理與實現 150
9.2 去噪型編解碼網絡 154
9.3 使用自動編解碼網絡實現黑白圖片上色 157
9.4 生成型對抗性網絡 162
9.5 生成型對抗性網絡的代碼實現 163
9.6 條件性生成型對抗性網絡 169
第10章 增強性學習網絡開發實踐 176
10.1 增強性學習網絡的基本原理 176
10.2 開發環境配置 177
10.3 增強性學習網絡的數學原理 179
10.4 Bellman函數和*優化 180
10.5 Bellman等式的推導 181
10.6 用實例講解Bellman函數的應用 182
10.7 解決冰凍湖問題 185
10.8 ε貪婪算法 188
10.9 運用神經網絡和Bellman函數解決Cartpole問題 188
第11章 TensorFlow入門 193
11.1 TensorFlow圖運算原理 193
11.2 TensorFlow代碼實踐 195
11.3 TensorFlow的輸入、變量、輸出及運算操作 197
11.4 TensorFlow的變量定義 200
11.5 TensorFlow的運算輸出及運算操作 201
11.6 用TensorFlow開發神經網絡的相關操作 204
11.7 開發TensorFlow程序應注意的事項 207
11.8 使用TensorFlow開發神經網絡 213
第12章 使用TensorFlow和Keras 開發高級自然語言處理系統 218
12.1 Skip-Gram算法實現 218
12.2 使用RNN網絡模型的基本原理 230
12.3 代碼實現RNN網絡 232
12.4 LSTM網絡的結構原理 242
12.5 使用LSTM網絡實現人機問答系統 247
第13章 使用TensorFlow和Keras 實現高級圖像識別處理系統 256
13.1 實現藝術風格的轉換 256
13.2 使用膠囊網絡實現服裝識別 266
13.3 使用TensorFlow API 實現精準物體識別 285
13.4 DeeDream：使用神經網絡構造具有驚悚審美效果的藝術作品 293
第14章 使用TensorFlow和Keras 打造智能推薦系統 300
14.1 創造一個網易云音樂推薦引擎 300
14.2 使用TensorFlow構建高質量商品推薦系統 309
14.3 實現淘寶“拍立淘”圖片搜索引擎 313
第15章 深度學習的重要概念和技巧總結 319
展開全部
神經網絡與深度學習實戰:PYTHON+KERAS+TENSORFLOW 作者簡介
陳屹，海南康康餅網絡科技有限公司CEO。畢業于數學專業，擁有十幾年的軟件開發經驗。曾經任職于聯想、微軟和Realnetworks等國內外知名公司，從事客戶端及服務端開發工作。熟練掌握C++、Java和Python等開發語言，擅長算法邏輯和架構設計。目前致力于對人工智能技術的研究。
書友推薦
- >
姑媽的寶刀
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我從未如此眷戀人間
- >
隨園食單
- >
自卑與超越
- >
龍榆生：詞曲概論/大家小書
- >
月亮虎
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
