中图网

>

计算机教材

深度学习技术与应用

作者：郑晓东主编

出版社：中国铁道出版社出版时间：2020-11-01

开本： 26cm 页数： 265页

本类榜单：计算机/网络销量榜

中图价:¥42.2(8.8折) 定价 ~~¥48.0~~ 登录后可看到会员价

暂时缺货收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
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)

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)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥42.2 暂时缺货

版权信息
内容简介
目录

微信公众号

深度学习技术与应用版权信息

ISBN：9787113265793
条形码：9787113265793 ; 978-7-113-26579-3
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

深度学习技术与应用内容简介

本教材在人工智能人才培养过程中注重理论与应用相结合, 包括机器学习、模式识别、神经网络等。通过各章的案例如: 多层感知机、物体识别等, 这些技术可以与各个领域发生交叉渗透。

深度学习技术与应用目录

**部分基础篇
第1章绪论
1.1 人工智能
1.2 机器学习
1.3 浅层学习和深度学习
第2章机器学习基础术语
2.1 机器学习相关术语
2.2 学习模型评估
2.3 深度学习基础知识
2.3.1 线性回归
2.3.2 神经元
2.3.3 人工神经网络
2.3.3 卷积神经网络
小结
第3章实验环境安装部署
3.1 下载说明
3.2 Anaconda的安装
3.3 PyCharm的安装
3.4 虚拟机部署安装
小结
第4章神经网络入门
4.1 常见深度学习框架介绍
4.2 TensorFlowPlayground
4.3 Keras神经网络的核心组件
4.4 TensorFlow实现神经网络
小结

第二部分应用篇
第5章牛刀小试——深度学习与计算机视觉入门基础
5.1 创建环境和安装依赖
5.1.1 创建虚拟环境
5.1.2 安装依赖
5.2 构建项目
5.3 数据操作——Numpy
5.3.1 多维数组的创建
5.3.2 多维数组的基本运算和操作方法
5.3.3 多维数组索引
5.4 线性回归
5.4.1 线性回归基本问题
5.4.2 线性回归从零开始实现
5.4.3 损失函数
小结
第6章初试Keras与多层感知机的搭建
6.1 构建项目
6.2 MNIST数据集下载和预处理
6.2.1 导入相关模块和下载数据
6.2.2 数据预处理
6.3 首次尝试搭建多层感知机进行训练
6.3.1 搭建模型
6.3.2 神经网络训练
6.4 增加隐藏层改进模型
6.4.1 建模型
6.4.2 神经网络训练
6.5 对训练结果进行评估
6.5.1 使用测试集评估模型准确率
6.5.2 使用模型将测试集进行预测
6.5.3 建立误差矩阵
小结
第7章搭建多层感知机识别手写字符集
7.1 构建项目
7.2 搭建带有隐藏层的多层感知机模型
7.3 误差说明与过拟合问题
7.3.1 训练误差与泛化误差
7.3.2 过拟合问题
7.4 处理模型过拟合问题
7.4.1 增加隐藏层神经元查看过拟合情况
7.4.2 加入Dropout功能来处理过拟合问题
7.4.3 建立两个隐藏层的多层感知机模型
7.5 保存模型
7.5.1 将模型结构保存为json格式
7.5.2 保存模型权重
小结
第8章初识卷积神经网络——FashionMNIST
8.1 卷积神经网络简介
8.1.1 多层感知机和卷积神经网络
8.1.2 卷积神经网络
8.2 LeNet-5网络模型
8.3 FashionMNIST
8.3.1 服装分类的数据集
8.3.2 数据集的下载与使用
8.3.3 了解FashionMNIsT数据集
8.4 进行FashionMNIST数据集识别
8.4.1 初始处理数据
8.4.2 搭建LeNet-5与训练模型
8.4.3 训练过程与评估模型
8.4.4 卷积输出可视化
8.5 改进LeNet-5实现FashionMNIsT数据集识别
8.5.1 初始处理数据
8.5.2 搭建模型与训练
8.5.3 训练过程与评估模型
8.5.4 测试集预测
8.5.5 保存模型与网络结构
8.6 使用自然测试集进行预测
8.6.1 图片预处理
8.6.2 预测结果
小结
第9章 CIFAR-1O图像识别
9.1 准备工作
9.2 CIFAR-10数据集下载与分析
9.2.1 CIFAR-10数据的下载
9.2.2 查看训练数据
9.3 处理数据集与训练模型
9.3.1 处理数据集
9.3.2 模型的搭建
9.3.3 模型的训练
9.3.4 测试训练结果
9.4 提升模型的准确率
小结
第10章图像分类——Kaggle猫狗大战
10.1 准备工作
10.2 数据集的处理
1O.2.1 数据集下载与存放
10.2.2 数据文件处理
10.2.3 读取和预处理数据集
10.3 构建神经网络模型
1O.3.1 搭建简单的模型进行训练与评估
10.3.2 利用数据扩充解决过拟合问题
小结
第11章多输出神经网络实现CAPTCHA验证码识别
11.1 准备工作
11.2 数据集的处理
11.2.1 CAPTCHA验证码
11.2.2 构建cAPTcHA验证码生成器
11.3 深度神经网络模型
11.3.1 搭建深度卷积神经网络模型
11.3.2 训练模型
11.4 模型评估与预测
11.4.1 评估模型准确率
11.4.2 生成数据集预测
小结
第12章 Keras搭建模型预测泰坦尼克号游客信息
12.1 项目构建
12.2 数据预处理
12.2.1 使用DataFrame分析数据和数据预处理
12.2.2 使用Numpy进行数据预处理
12.3 采用多层感知机模型进行预测
12.3.1 模型建立
12.3.2 开始训练
12.3.3 模型评估
12.3.4 构建自由数据进行预测
小结
第13章自然语言处理-IMDb网络电影数据集分析
13.1 IMDb数据库
13.2 Keras自然语言处理
13.2.1 建立Token
13.2.2 转换
13.2.3 截长补短
13.2.4 数字列表转成向量列表
13.3 构建项目
13.3.1 创建项目文件
13.3.2 下载IMDb数据集
13.4 IMDb数据集预处理
13.4.1 读取数据
13.4.2 建立T0ken
13.4.

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐