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
深度學習與Python實現及應用 版權信息
- ISBN：9787302599418
- 條形碼：9787302599418 ; 978-7-302-59941-8
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深度學習與Python實現及應用 本書特色
本書旨在為對深度學習感興趣并從事相關研究的本科生、研究生、工程師和研究人員提供**的基礎知識和Python實現方法。在內容編排方面，注重理論和實踐的結合，基礎知識和前沿技術的結合，并附有相關的應用及實戰案例。希望讀者通過閱讀和學習這本書，感受到從事深度學習相關研究的樂趣。
深度學習與Python實現及應用 內容簡介
本書是對深度學習感興趣的讀者的入門圖書，主要介紹深度學習算法和Python應用實踐兩部分。在深度學習算法部分，將從邏輯回歸、淺層神經網絡、深層神經網絡、卷積神經網絡、深度卷積網絡、目標檢測算法、循環序列模型等方面介紹深度學習的核心算法。在Python應用實踐部分，將主要介紹Python基礎語法，numpy基本用法，以及Python實現深度學習算法三部分。本書理論和實踐結合，不僅讓讀者了解算法理論，更讓讀者學會如何利用計算機編程語言解決實際問題。 本書適合作為高等院校人工智能及相關專業的教材，也可作為從事人工智能領域的專業研究人員和工程技術人員的參考書。
深度學習與Python實現及應用 目錄
第1章 緒論
1.1 深度學習簡介
1.2 神經網絡
1.2.1 人腦神經網絡
1.2.2 人工神經網絡
1.3 神經網絡的發展歷史
1.4 常用的深度學習框架
1.5 編程環境的安裝
1.5.1 安裝Anaconda
1.5.2 安裝CUDA
1.5.3 安裝TensorFlow
1.5.4 安裝常用編輯器
第2章 機器學習基礎
2.1 基本概念
2.2 機器學習的三個基本要素
2.2.1 模型
2.2.2 學習準則
2.2.3 優化算法
2.3 機器學習的簡單示例——線性回歸
2.4 偏差-方差分解
2.5 機器學習算法的類型
2.6 評價指標
2.7 線性模型
2.7.1 線性判別函數和決策邊界
2.7.2 Logistic回歸
2.7.3 Softmax回歸
2.7.4 感知器
第3章 前饋神經網絡
3.1 神經元
3.1.1 Sigmoid型函數
3.1.2 ReLU函數
3.1.3 Swish函數
3.1.4 GELU函數
3.1.5 Maxout單元
3.2 網絡結構
3.2.1 前饋網絡
3.2.2 記憶網絡
3.2.3 圖網絡
3.3 前饋神經網絡
3.3.1 通用近似定理
3.3.2 應用到機器學習
3.3.3 參數學習
3.4 反向傳播算法
3.5 自動梯度計算
3.5.1 數值微分
3.5.2 符號微分
3.5.3 自動微分
3.6 優化問題
3.6.1 非凸優化問題
3.6.2 梯度消失問題
第4章 卷積神經網絡
4.1 從全連接層到卷積
4.1.1 不變性
4.1.2 限制多層感知機
4.1.3 卷積
4.1.4 回顧“沃爾多在哪里”
4.2 圖像卷積
4.2.1 互相關運算
……
第5章 現代卷積神經網絡
第6章 循環神經網絡
第7章 網絡優化與正則化
第8章 實戰演練
1.1 深度學習簡介
1.2 神經網絡
1.2.1 人腦神經網絡
1.2.2 人工神經網絡
1.3 神經網絡的發展歷史
1.4 常用的深度學習框架
1.5 編程環境的安裝
1.5.1 安裝Anaconda
1.5.2 安裝CUDA
1.5.3 安裝TensorFlow
1.5.4 安裝常用編輯器
第2章 機器學習基礎
2.1 基本概念
2.2 機器學習的三個基本要素
2.2.1 模型
2.2.2 學習準則
2.2.3 優化算法
2.3 機器學習的簡單示例——線性回歸
2.4 偏差-方差分解
2.5 機器學習算法的類型
2.6 評價指標
2.7 線性模型
2.7.1 線性判別函數和決策邊界
2.7.2 Logistic回歸
2.7.3 Softmax回歸
2.7.4 感知器
第3章 前饋神經網絡
3.1 神經元
3.1.1 Sigmoid型函數
3.1.2 ReLU函數
3.1.3 Swish函數
3.1.4 GELU函數
3.1.5 Maxout單元
3.2 網絡結構
3.2.1 前饋網絡
3.2.2 記憶網絡
3.2.3 圖網絡
3.3 前饋神經網絡
3.3.1 通用近似定理
3.3.2 應用到機器學習
3.3.3 參數學習
3.4 反向傳播算法
3.5 自動梯度計算
3.5.1 數值微分
3.5.2 符號微分
3.5.3 自動微分
3.6 優化問題
3.6.1 非凸優化問題
3.6.2 梯度消失問題
第4章 卷積神經網絡
4.1 從全連接層到卷積
4.1.1 不變性
4.1.2 限制多層感知機
4.1.3 卷積
4.1.4 回顧“沃爾多在哪里”
4.2 圖像卷積
4.2.1 互相關運算
……
第5章 現代卷積神經網絡
第6章 循環神經網絡
第7章 網絡優化與正則化
第8章 實戰演練
展開全部
深度學習與Python實現及應用 作者簡介
郭彤穎，女，博士，副教授，研究生導師。主要教學有計算機控制系統、計算機原理與應用、機器人控制等課程。近年來，主持和參加國家、省部級科研課題10余項，獲省級優秀教學成果獎1項，沈陽市科技進步一等獎1項，遼寧省自然科學學術成果獎三等獎3項，沈陽市自然科學學術成果獎二等獎1項，校級各類教學成果獎3項。在國內外重要的學術期刊與會議上發表論文40余篇，SCI和EI收錄20余篇，主編著作和教材5部，參編著作和教材8部。
書友推薦
- >
推拿
- >
我從未如此眷戀人間
- >
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)
- >
龍榆生：詞曲概論/大家小書
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮虎
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
