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)
基于深度学习的社会信息挖掘应用实例分析 版权信息
- ISBN：9787030656698
- 条形码：9787030656698 ; 978-7-03-065669-8
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
基于深度学习的社会信息挖掘应用实例分析 本书特色
详细介绍了机器学习这一实现人工智能的方法以及深度学习这一实现机器学习的技术，分析了三者之间的关系
基于深度学习的社会信息挖掘应用实例分析 内容简介
人工智能作为计算机科学学科中极富挑战性的一门科学，融合了包括数学、神经心理学、信息论、控制论等许多领域的技术，涉及学科繁多、研究范畴广阔、实际应用广泛。目前，人工智能越来越多地介入到了人们的日常生活中来，从学术界走到了人们生活的方方面面，人工智能技术也备受关注。本书围绕人工智能展开，详细介绍了机器学习这一实现人工智能的方法以及深度学习这一实现机器学习的技术，分析了三者之间的关系，并从神经网络的源起讲起，在技术层面详细介绍了神经网络的技术架构与以神经网络为基础的多种变体机器学习方法的网络结构，分析了不同机器学习方法的特点与适用场景，并以实际的应用场景为例，分析了深度学习在智能信息挖掘与文本表示学习中的具体应用方法与效果实现。本书将技术与应用两方面进行结合，详细介绍并分析了人工智能的技术发展与领域应用，可作为人工智能领域的技术与实践参考书。
基于深度学习的社会信息挖掘应用实例分析 目录
目录
前言
第1章 绪论 1
1.1 人工智能 1
1.2 机器学习 6
1.3 深度学习 10
第2章 神经网络 14
2.1 神经元 14
2.2 损失函数 15
2.3 激活函数 16
2.4 参数学习 19
2.5 梯度下降法 20
2.6 全连接神经网络 24
2.7 BP神经网络 25
2.8 优化方案 28
2.9 注意力机制 31
2.10 本章小结 32
第3章 深度神经网络 33
3.1 卷积神经网络 33
3.2 简单循环神经网络 34
3.3 深层循环神经网络 36
3.4 本章小结 37
第4章 基于启发知识的学习方法 38
4.1 兄弟学习 38
4.2 顿悟学习 40
4.3 本章小结 43
第5章 极限学习机 44
5.1 引言 44
5.2 *小二乘拟和及Moore-Penrose广义逆 45
5.3 标准SLFN数学模型 48
5.4 ELM学习算法 50
5.5 ELM的特征映射和特征空间 53
5.6 ELM、RVFL及其一般化结构 56
5.7 ELM的理论基础 58
5.8 本章小结 61
第6章 基于深度学习的网站智能信息挖掘 62
6.1 引言 62
6.2 网站信息的计算机自动获取 63
6.3 基于深度学习的网站相似度研究 64
6.4 网站内容丰富度研究 67
6.5 面向任务的兴趣推送 69
6.6 本章小结 71
第7章 基于卷积神经网络的甲骨文异体字识别 72
7.1 引言 72
7.2 相关研究 74
7.3 符号定义及概念 76
7.4 甲骨文异体字识别方法 76
7.5 实验及分析 85
7.6 总结与展望 92
第8章 基于LSTM 的小说情节高潮识别 94
8.1 引言 94
8.2 相关概念 96
8.3 情节高潮识别方法 100
8.4 算法实现 102
8.5 实验及分析 104
8.6 总结与展望 110
第9章 大规模复杂异质图动态的构建 111
9.1 引言 111
9.2 大规模复杂异质图举例 112
9.3 国内外现状及发展动态 115
9.4 大规模复杂异质图学习的研究内容 121
9.5 本章小结 123
第10章 基于深度学习的大规模复杂异质图动态分析 124
10.1 复杂异质动态图数据的采集与存储管理 124
10.2 复杂异质动态图的构建与表示 125
10.3 动态图的演变模式分析 127
10.4 大规模复杂异质图动态变化的优化 129
10.5 大规模复杂异质图学习的实现 130
10.6 大规模复杂异质图学习算法 135
10.7 本章小结 140
参考文献 141
前言
第1章 绪论 1
1.1 人工智能 1
1.2 机器学习 6
1.3 深度学习 10
第2章 神经网络 14
2.1 神经元 14
2.2 损失函数 15
2.3 激活函数 16
2.4 参数学习 19
2.5 梯度下降法 20
2.6 全连接神经网络 24
2.7 BP神经网络 25
2.8 优化方案 28
2.9 注意力机制 31
2.10 本章小结 32
第3章 深度神经网络 33
3.1 卷积神经网络 33
3.2 简单循环神经网络 34
3.3 深层循环神经网络 36
3.4 本章小结 37
第4章 基于启发知识的学习方法 38
4.1 兄弟学习 38
4.2 顿悟学习 40
4.3 本章小结 43
第5章 极限学习机 44
5.1 引言 44
5.2 *小二乘拟和及Moore-Penrose广义逆 45
5.3 标准SLFN数学模型 48
5.4 ELM学习算法 50
5.5 ELM的特征映射和特征空间 53
5.6 ELM、RVFL及其一般化结构 56
5.7 ELM的理论基础 58
5.8 本章小结 61
第6章 基于深度学习的网站智能信息挖掘 62
6.1 引言 62
6.2 网站信息的计算机自动获取 63
6.3 基于深度学习的网站相似度研究 64
6.4 网站内容丰富度研究 67
6.5 面向任务的兴趣推送 69
6.6 本章小结 71
第7章 基于卷积神经网络的甲骨文异体字识别 72
7.1 引言 72
7.2 相关研究 74
7.3 符号定义及概念 76
7.4 甲骨文异体字识别方法 76
7.5 实验及分析 85
7.6 总结与展望 92
第8章 基于LSTM 的小说情节高潮识别 94
8.1 引言 94
8.2 相关概念 96
8.3 情节高潮识别方法 100
8.4 算法实现 102
8.5 实验及分析 104
8.6 总结与展望 110
第9章 大规模复杂异质图动态的构建 111
9.1 引言 111
9.2 大规模复杂异质图举例 112
9.3 国内外现状及发展动态 115
9.4 大规模复杂异质图学习的研究内容 121
9.5 本章小结 123
第10章 基于深度学习的大规模复杂异质图动态分析 124
10.1 复杂异质动态图数据的采集与存储管理 124
10.2 复杂异质动态图的构建与表示 125
10.3 动态图的演变模式分析 127
10.4 大规模复杂异质图动态变化的优化 129
10.5 大规模复杂异质图学习的实现 130
10.6 大规模复杂异质图学习算法 135
10.7 本章小结 140
参考文献 141
展开全部
书友推荐
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
