扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
深度学习导论 版权信息
- ISBN：9787115534521
- 条形码：9787115534521 ; 978-7-115-53452-1
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
深度学习导论 本书特色
《深度学习导论精装版》讲述了Tensorflow、前馈神经网络、卷积神经网络、词嵌入、循环神经网络、序列到序列学习、深度强化学习、无监督模型等深度学习领域的基本概念和技术，通过一系列的编程任务，向读者介绍了热门的人工智能应用，包括计算机视觉和自然语言处理等。 本书编写简明扼要，理论联系实践，每一章都包括一个编程项目、练习以及进一步阅读的参考资料。本书既可作为高校人工智能教学用书，也可供从业者入门参考。 本书要求读者熟悉线性代数、多元微积分、概率和统计知识，另外需要读者了解Python 编程。
深度学习导论 内容简介
1.国内知识图谱界领军人物、文因互联CEO鲍捷作序。国内外产业界和学术界大咖鼎力推荐 2.本书编写简明扼要，是美国常青藤名校布朗大学的教材。本书的每一章都包括了一个编程项目和一些书面练习，并附上了参考资料，可供读者进一步阅读。 3.人工智能经典入门书，基于Tensorflow编写，以项目为导向，通过一系列的编程任务，向读者介绍了热门的人工智能应用，包括计算机视觉、自然语言处理和强化学习等。 4.做中学。作者在前言中写道：“对我而言，学习计算机科学的*好方法，就是坐下来写程序。”本书正是采用了这种方法。
深度学习导论 目录
第 1章 前馈神经网络 1
1.1 感知机 3
1.2 神经网络的交叉熵损失函数 7
1.3 导数与随机梯度下降 11
1.4 编写程序 15
1.5 神经网络的矩阵表示 17
1.6 数据独立性 19
1.7 参考文献和补充阅读 20
1.8 习题 21
第 2章 Tensorflow 23
2.1 预备知识 23
2.2 TF程序 26
2.3 多层神经网络 31
2.4 其他方面 34
2.4.1 检查点 34
2.4.2 tensordot 35
2.4.3 TF变量的初始化 37
2.4.4 TF图创建的简化 39
2.5 参考文献和补充阅读 40
2.6 习题 40
第3章 卷积神经网络 43
3.1 滤波器、步长和填充 43
3.2 一个简单的TF卷积例子 49
3.3 多层卷积 51
3.4 卷积细节 54
3.4.1 偏置 54
3.4.2 卷积层 55
3.4.3 池化运算（pooling） 55
3.5 参考文献和补充阅读 56
3.6 习题 57
第4章 词嵌入与循环神经网络 59
4.1 语言模型的词嵌入 59
4.2 构建前馈语言模型 63
4.3 改进前馈语言模型 65
4.4 过拟合 66
4.5 循环网络 69
4.6 长短期记忆模型 75
4.7 参考文献和补充阅读 78
4.8 习题 78
第5章 序列到序列学习 81
5.1 seq2seq模型 82
5.2 编写一个seq2seq MT程序 84
5.3 seq2seq中的注意力机制 87
5.4 多长度seq2seq 90
5.5 编程练习 91
5.6 参考文献和补充阅读 93
5.7 习题 94
第6章 深度强化学习 97
6.1 值迭代 98
6.2 Q学习 101
6.3 深度Q学习基础 103
6.4 策略梯度法 106
6.5 行动者-评论家方法 112
6.6 经验回放 114
6.7 参考文献和补充阅读 115
6.8 习题 116
第7章 无监督神经网络模型 119
7.1 基本自编码 119
7.2 卷积自编码 122
7.3 变分自编码 126
7.4 生成式对抗网络 132
7.5 参考文献和补充阅读 137
7.6 习题 137
附录A 部分习题答案 139
附录B 参考文献 143
附录C 索引 147
本书赞誉 151
1.1 感知机 3
1.2 神经网络的交叉熵损失函数 7
1.3 导数与随机梯度下降 11
1.4 编写程序 15
1.5 神经网络的矩阵表示 17
1.6 数据独立性 19
1.7 参考文献和补充阅读 20
1.8 习题 21
第 2章 Tensorflow 23
2.1 预备知识 23
2.2 TF程序 26
2.3 多层神经网络 31
2.4 其他方面 34
2.4.1 检查点 34
2.4.2 tensordot 35
2.4.3 TF变量的初始化 37
2.4.4 TF图创建的简化 39
2.5 参考文献和补充阅读 40
2.6 习题 40
第3章 卷积神经网络 43
3.1 滤波器、步长和填充 43
3.2 一个简单的TF卷积例子 49
3.3 多层卷积 51
3.4 卷积细节 54
3.4.1 偏置 54
3.4.2 卷积层 55
3.4.3 池化运算（pooling） 55
3.5 参考文献和补充阅读 56
3.6 习题 57
第4章 词嵌入与循环神经网络 59
4.1 语言模型的词嵌入 59
4.2 构建前馈语言模型 63
4.3 改进前馈语言模型 65
4.4 过拟合 66
4.5 循环网络 69
4.6 长短期记忆模型 75
4.7 参考文献和补充阅读 78
4.8 习题 78
第5章 序列到序列学习 81
5.1 seq2seq模型 82
5.2 编写一个seq2seq MT程序 84
5.3 seq2seq中的注意力机制 87
5.4 多长度seq2seq 90
5.5 编程练习 91
5.6 参考文献和补充阅读 93
5.7 习题 94
第6章 深度强化学习 97
6.1 值迭代 98
6.2 Q学习 101
6.3 深度Q学习基础 103
6.4 策略梯度法 106
6.5 行动者-评论家方法 112
6.6 经验回放 114
6.7 参考文献和补充阅读 115
6.8 习题 116
第7章 无监督神经网络模型 119
7.1 基本自编码 119
7.2 卷积自编码 122
7.3 变分自编码 126
7.4 生成式对抗网络 132
7.5 参考文献和补充阅读 137
7.6 习题 137
附录A 部分习题答案 139
附录B 参考文献 143
附录C 索引 147
本书赞誉 151
展开全部
深度学习导论 作者简介
作者简介 Eugene Charniak是美国布朗大学计算机科学和认知科学教授，博士毕业于MIT，博士导师是人工智能之父Marvin Minsky。他是国际知名的人工智能研究者，美国人工智能学会（AAAI）会士，2011年获美国计算语言学会（ACL）终身成就奖。他撰写了《统计语言学习》《人工智能编程》等图书。 译者简介 沈磊，美国计算语言学会（ACL）会员，中国计算机学会（CCF）会员，博士毕业于北京航空航天大学计算机学院，博士研究方向为人工智能、模式识别，现为vivo公司北京AI研究院NLP算法专家，主要方向为自然语言理解和自动问答。她在自然语言处理及推荐算法方向发表了多篇学术论文，申请了5项专利。 郑春萍，教育学博士，北京邮电大学人文学院副教授，主要研究方向为应用语言学与计算机辅助翻译。她是美国国务院“英语语言学者项目”访问学者、英国曼彻斯特大学人文艺术学院访问学者，曾获北京市高等教育教学成果一等奖、北京市高校青年教学名师奖、中央电视台“希望之星”英语风采大赛全国总决赛最佳指导教师奖等奖项。她主持了国家社科基金、教育部霍英东青年教师基金及教育部人文社科基金等省部级课题6项，发表学术论文40余篇，主编教材2部，出版专著1部、译著2部。
书友推荐
- >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
经典常谈
经典常谈
¥28.3¥39.8 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥25.4¥49.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥19.2¥45.8
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
