掃一掃
關(guān)注中圖網(wǎng)
官方微博
深入淺出深度學(xué)習(xí)從邏輯運(yùn)算到人工智能 版權(quán)信息
- ISBN：9787302573210
- 條形碼：9787302573210 ; 978-7-302-57321-0
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
深入淺出深度學(xué)習(xí)從邏輯運(yùn)算到人工智能 本書特色
《深入淺出深度學(xué)習(xí)》首先對人工智能和深度學(xué)習(xí)的歷史發(fā)展做了簡單介紹，然后介紹一些必需的數(shù)學(xué)概念，接著為大家提供了機(jī)器學(xué)習(xí)的基礎(chǔ)知識，隨后詳細(xì)介紹幾種神經(jīng)網(wǎng)絡(luò)模型以及不同的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)。從結(jié)構(gòu)上來說，是非常合理的。從全局到細(xì)微，由表及里，引導(dǎo)大家逐步深入了解所介紹的內(nèi)容。無論是初學(xué)者，還是有一定經(jīng)驗(yàn)的用戶，都可以從中受益良多。另外，對于超出本書介紹范圍的內(nèi)容作者還推薦了一些參考著作,使有興趣和有能力的讀者可以進(jìn)一步拓展知識范圍從而對相關(guān)內(nèi)容有更全面、更深入的了解。
深入淺出深度學(xué)習(xí)從邏輯運(yùn)算到人工智能 內(nèi)容簡介
《深入淺出深度學(xué)習(xí)：從邏輯運(yùn)算到人工智能》講解生動，清晰簡明，介紹深度學(xué)習(xí)前沿的連接模型，討論非常流行的算法和架構(gòu)，分析深度學(xué)習(xí)和連接的有趣開放性研究問題。 《深入淺出深度學(xué)習(xí)：從邏輯運(yùn)算到人工智能》涉及卷積網(wǎng)絡(luò)、LSTM、Word2vec、RBM、DBN、神經(jīng)圖靈機(jī)、記憶網(wǎng)絡(luò)和編碼機(jī)等概念，主題包括機(jī)器學(xué)習(xí)基礎(chǔ)知識、深度學(xué)習(xí)的數(shù)學(xué)和計算知識、前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、前饋神經(jīng)網(wǎng)絡(luò)的循環(huán)連接、自動編碼機(jī)等。
深入淺出深度學(xué)習(xí)從邏輯運(yùn)算到人工智能 目錄
目 錄
第1章 從邏輯學(xué)到認(rèn)知科學(xué) 1
1.1 人工神經(jīng)網(wǎng)絡(luò)的起源 1
1.2 異或(XOR)問題 6
1.3 從認(rèn)知科學(xué)到深度學(xué)習(xí) 8
1.4 總體人工智能景觀中的神經(jīng)網(wǎng)絡(luò) 12
1.5 哲學(xué)和認(rèn)知概念 13
第2章 數(shù)學(xué)和計算先決條件 17
2.1 求導(dǎo)和函數(shù)極小化 17
2.2 向量、矩陣和線性規(guī)劃 26
2.3 概率分布 34
2.4 邏輯學(xué)和圖靈機(jī) 41
2.5 編寫Python代碼 44
2.6 Python編程概述 46
第3章 機(jī)器學(xué)習(xí)基礎(chǔ)知識 55
3.1 基本分類問題 55
3.2 評估分類結(jié)果 61
3.3 一種簡單的分類器：樸素貝葉斯 64
3.4 一種簡單的神經(jīng)網(wǎng)絡(luò)：邏輯回歸 67
3.5 MNIST數(shù)據(jù)集簡介 73
3.6 沒有標(biāo)簽的學(xué)習(xí)：k均值 76
3.7 學(xué)習(xí)不同的表示形式：PCA 78
3.8 學(xué)習(xí)語言：詞袋表示 81
第4章 前饋神經(jīng)網(wǎng)絡(luò) 85
4.1 神經(jīng)網(wǎng)絡(luò)的基本概念和術(shù)語 85
4.2 使用向量和矩陣表示網(wǎng)絡(luò)分量 88
4.3 感知器法則 90
4.4 Delta法則 93
4.5 從邏輯神經(jīng)元到反向傳播 95
4.6 反向傳播 100
4.7 一個完整的前饋神經(jīng)網(wǎng)絡(luò) 110
第5章 前饋神經(jīng)網(wǎng)絡(luò)的修改和擴(kuò)展 113
5.1 正則化的概念 113
5.2 L1和L2正則化 115
5.3 學(xué)習(xí)率、動量和丟棄 117
5.4 隨機(jī)梯度下降和在線學(xué)習(xí) 123
5.5 關(guān)于多個隱藏層的問題：梯度消失和梯度爆炸 124
第6章 卷積神經(jīng)網(wǎng)絡(luò) 127
6.1 第三次介紹邏輯回歸 127
6.2 特征圖和池化 131
6.3 一個完整的卷積網(wǎng)絡(luò) 133
6.4 使用卷積網(wǎng)絡(luò)對文本進(jìn)行分類 136
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò) 141
7.1 不等長序列 141
7.2 使用循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)的三種設(shè)置 143
7.3 添加反饋環(huán)并展開神經(jīng)網(wǎng)絡(luò) 145
7.4 埃爾曼網(wǎng)絡(luò) 146
7.5 長短期記憶網(wǎng)絡(luò) 148
7.6 使用循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測后續(xù)單詞 151
第8章 自動編碼器 161
8.1 學(xué)習(xí)表示 161
8.2 不同的自動編碼器體系結(jié)構(gòu) 164
8.3 疊加自動編碼器 166
8.4 重新創(chuàng)建貓論文 170
第9章 神經(jīng)語言模型 173
9.1 詞嵌入和詞類比 173
9.2 CBOW和Word2vec 174
9.3 Word2vec代碼 176
9.4 單詞領(lǐng)域概覽：一種摒棄符號AI的觀點(diǎn) 179
第10章 不同神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)概述 183
10.1 基于能量的模型 183
10.2 基于記憶的模型 186
10.3 通用聯(lián)結(jié)主義智能的內(nèi)核：bAbI數(shù)據(jù)集 189
第11章 結(jié)論 193
11.1 開放性研究問題簡單概述 193
11.2 聯(lián)結(jié)主義精神與哲學(xué)聯(lián)系 194
展開全部
深入淺出深度學(xué)習(xí)從邏輯運(yùn)算到人工智能 作者簡介
桑德羅·斯卡尼，博士，克羅地亞薩格勒布大學(xué)的邏輯學(xué)助理教授,同時還是克羅地亞薩格勒布代數(shù)學(xué)院的數(shù)據(jù)科學(xué)講師。他擁有GitHub北極代碼庫貢獻(xiàn)者勛章（ArcticCode Vault Contributor）。
書友推薦
- >
詩經(jīng)-先民的歌唱
- >
自卑與超越
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
月亮虎
- >
名家?guī)阕x魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
我與地壇
- >
隨園食單
本類暢銷
