掃一掃
關(guān)注中圖網(wǎng)
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
TENSORFLOW自然語言處理及應(yīng)用 版權(quán)信息
- ISBN：9787302673743
- 條形碼：9787302673743 ; 978-7-302-67374-3
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
TENSORFLOW自然語言處理及應(yīng)用 本書特色
每章都以理論開始，以 TensorFlow 應(yīng)用及自然語言分析結(jié)束，將理論與實踐相結(jié)合，讓讀者可以快速掌握 TensorFlow 與自然語言分析。？由淺入深，循序漸進 首先介紹 TensorFlow 框架本身的特點與編程實現(xiàn)，然后介紹NLP在TensorFlow中的實現(xiàn)，包括詞嵌入的各種方法、CNN/RNN/LSTM 的 TensorFlow實現(xiàn)及應(yīng)用、LSTM在文本生成中的應(yīng)用等。？注重應(yīng)用，實例豐富 給出了50多個實例，采用 TensorFlow 代碼實現(xiàn)自然語言處理，可使讀者 容易理解自然語言處理技術(shù)的原理。？對比學習，視角直觀 使用同一組數(shù)據(jù)集分析不同實例，利用不同方法進行求解，比較各種方法的求解結(jié)果，通過對比學習，讀者能夠 直觀地感受各方法的優(yōu)缺點。？資源豐富，便于教學 為了便于教師教學，提供程序代碼、教學課件等教學資料，獲取方式詳見前言。
TENSORFLOW自然語言處理及應(yīng)用 內(nèi)容簡介
"《TensorFlow自然語言處理及應(yīng)用》以TensorFlow為平臺，講述TensorFlow與自然語言的技術(shù)及開發(fā)。書中每章都以理論開始，以TensorFlow應(yīng)用及自然語言分析結(jié)束，將理論與實踐相結(jié)合，讓讀者可以快速掌握TensorFlow與自然語言分析。本書共9章，主要內(nèi)容為TensorFlow與編程、自然語言處理與深度學習基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)、詞嵌入、卷積神經(jīng)網(wǎng)絡(luò)分析與文本分類、幾種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及語言模型、長短期記憶及自動生成文本、其他網(wǎng)絡(luò)的經(jīng)典分析與應(yīng)用。 《TensorFlow自然語言處理及應(yīng)用》注重應(yīng)用，實例豐富，可作為高等院校人工智能相關(guān)專業(yè)的教材，也可作為研究TensorFlow與自然語言分析的廣大科研人員、學者、工程技術(shù)人員的參考書籍。"
TENSORFLOW自然語言處理及應(yīng)用 目錄
第1章 TensorFlow與編程
1.1 語言與系統(tǒng)的支持
1.2 TensFlow的特點
1.3 TensorFlow的環(huán)境搭建
1.3.1 安裝環(huán)境介紹
1.3.2 安裝TensorFlow
1.3.3 安裝測試
1.4 張量
1.4.1 張量的概念
1.4.2 張量的使用
1.4.3 NumPy庫
1.4.4 張量的階
1.4.5 張量的形狀
1.5 認識變量
1.5.1 變量的創(chuàng)建
1.5.2 變量的初始化
1.6 矩陣的操作
1.6.1 矩陣的生成
1.6.2 矩陣的變換
1.7 圖的實現(xiàn)
1.8 會話的實現(xiàn)
1.9 讀取數(shù)據(jù)方式
1.9.1 列表格式
1.9.2 讀取圖像數(shù)據(jù)
第2章 自然語言處理與深度學習基礎(chǔ)
2.1 自然語言概述
2.1.1 自然語言處理面臨的困難
2.1.2 自然語言處理的發(fā)展趨勢
2.1.3 自然語言處理的特點
2.2 NLP技術(shù)前沿與未來趨勢
2.2.1 挑戰(zhàn)與突破
2.2.2 人機交互的未來
2.2.3 未來發(fā)展趨勢與展望
2.2.4 技術(shù)挑戰(zhàn)與解決路徑
2.3 深度學習
2.3.1 深度學習背景
2.3.2 深度學習的核心思想
2.3.3 深度學習的應(yīng)用
2.4 深度學習的優(yōu)勢與劣勢
第3章 神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)
3.1 激活函數(shù)及實現(xiàn)
3.1.1 激活函數(shù)的用途
3.1.2 幾種激活函數(shù)
3.1.3 幾種激活函數(shù)的繪圖
3.2 門函數(shù)及實現(xiàn)
3.3 單個神經(jīng)元的擴展及實現(xiàn)
3.4 構(gòu)建多層神經(jīng)網(wǎng)絡(luò)
第4章 詞嵌入
4.1 詞嵌入概述
4.2 分布式表示
4.2.1 分布式假設(shè)
4.2.2 共現(xiàn)矩陣
4.2.3 存在的問題
4.3 jieba分詞處理
4.3.1 jieba庫的三種模式和常用函數(shù)
4.3.2 jieba庫分詞的其他操作
4.3.3 中文詞頻統(tǒng)計實例
4.4 離散表示
4.4.1 one-hot編碼
4.4.2 詞袋模型
4.4.3 TF-IDF算法
4.4.4 n-gram模型
4.5 word2vec模型
4.5.1 word2vec模型介紹
4.5.2 word2vec模型結(jié)構(gòu)
4.5.3 Skip-gram算法
4.5.4 CBOW算法
4.5.5 CBOW算法與Skip-gram算法的對比
4.5.6 算法改進
4.5.7 訓練概率
4.5.8 word2vec實現(xiàn)
第5章 卷積神經(jīng)網(wǎng)絡(luò)分析與文本分類
5.1 全連接網(wǎng)絡(luò)的局限性
5.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.2.1 卷積層
5.2.2 池化層
5.2.3 全連接層
5.3 卷積神經(jīng)網(wǎng)絡(luò)的訓練
5.3.1 池化層反向傳播
5.3.2 卷積層反向傳播
5.4 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
5.4.1 識別0和1數(shù)字
5.4.2 預(yù)測MNIST數(shù)字
5.5 NLP的卷積
5.5.1 NLP卷積概述
5.5.2 用于文本分類的CNN
第6章 幾種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)
6.1 AlexNet
6.1.1 AlexNet的結(jié)構(gòu)
6.1.2 AlexNet的亮點
6.1.3 AlexNet的實現(xiàn)
6.2 DeepID網(wǎng)絡(luò)
6.3 VGGNet
6.3.1 VGGNet的特點
6.3.2 VGGNet的結(jié)構(gòu)
6.3.3 VGGNet的實現(xiàn)
6.4 Inception Net
6.4.1 Inception Net的原理
6.4.2 Inception Net的經(jīng)典應(yīng)用
6.5 ResNet
6.5.1 ResNet的結(jié)構(gòu)
6.5.2 ResNet的實現(xiàn)
第7章 循環(huán)神經(jīng)網(wǎng)絡(luò)及語言模型
7.1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
7.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)的原理
7.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)的簡單應(yīng)用
7.2 損失函數(shù)
7.3 梯度求解
7.3.1 E3關(guān)于參數(shù)V的偏導數(shù)
7.3.2 E3關(guān)于參數(shù)W的偏導數(shù)
7.3.3 E3關(guān)于參數(shù)U的偏導數(shù)
7.3.4 梯度消失問題
7.4 循環(huán)神經(jīng)網(wǎng)絡(luò)的經(jīng)典應(yīng)用
7.4.1 實現(xiàn)二進制數(shù)加法運算
7.4.2 實現(xiàn)擬合回聲信號序列
7.4.3 基于字符級循環(huán)神經(jīng)網(wǎng)絡(luò)的語言模型
7.4.4 使用PyTorch實現(xiàn)基于字符級循環(huán)神經(jīng)網(wǎng)絡(luò)的語言模型
第8章 長短期記憶及自動生成文本
8.1 長短期記憶網(wǎng)絡(luò)
8.1.1 LSTM核心思想
8.1.2 LSTM詳解與實現(xiàn)
8.2 窺視孔連接
8.3 GRU網(wǎng)絡(luò)對MNIST數(shù)據(jù)集分類
8.4 雙向循環(huán)神經(jīng)網(wǎng)絡(luò)對MNIST數(shù)據(jù)集分類
8.5 CTC實現(xiàn)端到端訓練的語音識別模型
8.6 LSTM生成文本預(yù)測
8.6.1 模型訓練
8.6.2 預(yù)測文本
第9章 其他網(wǎng)絡(luò)的經(jīng)典分析與應(yīng)用
9.1 自編碼網(wǎng)絡(luò)及實現(xiàn)
9.1.1 自編碼網(wǎng)絡(luò)的結(jié)構(gòu)
9.1.2 自編碼網(wǎng)絡(luò)的代碼實現(xiàn)
9.2 棧式自編碼器及實現(xiàn)
9.2.1 棧式自編碼概述
9.2.2 棧式自編碼訓練
9.2.3 棧式自編碼實現(xiàn)MNIST手寫數(shù)字分類
9.2.4 棧式自編碼器的應(yīng)用場合與實現(xiàn)
9.3 變分自編碼及實現(xiàn)
9.3.1 變分自編碼原理
9.3.2 變分自編碼模擬生成MNIST數(shù)據(jù)
9.4 條件變分自編碼及實現(xiàn)
9.4.1 條件變分自編碼概述
9.4.2 條件變分自編碼網(wǎng)絡(luò)生成MNIST數(shù)據(jù)
參考文獻
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
莉莉和章魚
- >
中國歷史的瞬間
- >
李白與唐代文化
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
上帝之肋:男人的真實旅程
- >
小考拉的故事-套裝共3冊
本類暢銷
