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)
深度学习入门与实践 版权信息
- ISBN：9787111725770
- 条形码：9787111725770 ; 978-7-111-72577-0
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
深度学习入门与实践 本书特色
适读人群 ：高等院校人工智能等专业学生本教材的作者是海外引进人才，既有国外学习工作的背景，也有在国内院校教学的经验，本书正是将二者有机结合起来，编写而成的深度学习的入门级教材。通过本书的学习，可以打下扎实基础，为后续了解人工智能前沿做知识储备。
深度学习入门与实践 内容简介
大约在一百年前，电气化改变了交通运输行业、制造业、医疗行业、通信行业，如今AI带来了同样巨大的改变。AI的各个分支中发展*为迅速的方向之一就是深度学习。本书主要涉及以下内容：第1部分是神经网络的基础，学习如何建立神经网络，以及如何在数据上面训练它们。第2部分进行深度学习方面的实践，学习如何构建神经网络与超参数调试、正则化以及一些高级优化算法。第3部分学习卷积神经网络(CNN)，以及如何搭建模型、有哪些经典模型。它经常被用于图像领域，此外目标检测、风格迁移等应用也将涉及。*后在第4部分学习序列模型，以及如何将它们应用于自然语言处理等任务。序列模型讲到的算法有循环神经网络（RNN）、长短期记忆网络（LSTM）、注意力机制。通过以上内容的学习，读者可以入门深度学习领域并打下扎实基础，为后续了解和探索人工智能前沿科技做知识储备。本书配有电子课件，需要配套资源的教师可登录机械工业出版社教育服务网www.cmpedu.com免费注册后下载。
深度学习入门与实践 目录
目 录
前言
第1部分神经网络和深度学习
第1章深度学习简介
1.1神经网络
1.2神经网络的监督学习应用
1.3为什么深度学习会兴起
第2章神经网络的编程基础
2.1二分类
2.2逻辑回归
2.3逻辑回归的代价函数
2.4梯度下降法
2.5计算图
2.6使用计算图求导数
2.7逻辑回归中的梯度下降
2.8m个样本的梯度下降
2.9向量化
2.10向量化逻辑回归
2.11向量化逻辑回归的输出
2.12Python中的广播
2.13numpy向量
2.14logistic损失函数的解释
第3章浅层神经网络
3.1神经网络概述
3.2神经网络的表示
3.3计算一个神经网络的输出
3.4多样本向量化
3.5激活函数
3.6激活函数的导数
3.7神经网络的梯度下降
3.8理解反向传播
3.9随机初始化
第4章深层神经网络
4.1深层神经网络概述
4.2前向传播和反向传播
4.3深层网络中矩阵的维数
4.4为什么使用深层表示
4.5超参数
第2部分改善深层神经网络：超参数调试、正则化以及优化
第5章深度学习的实践
5.1训练、验证、测试集
5.2偏差、方差
5.3机器学习基础
5.4正则化
5.5正则化如何降低过拟合
5.6dropout正则化
5.7理解dropout
5.8其他正则化方法
5.9归一化输入
5.10梯度消失/梯度爆炸
5.11梯度的数值逼近
5.12梯度检验
第6章优化算法
6.1mini-batch梯度下降
6.2理解mini-batch梯度下降法
6.3动量梯度下降法
6.4RMSprop
6.5Adam 优化算法
6.6学习率衰减
6.7局部*优问题
第7章超参数调试、正则化
7.1调试处理
7.2超参数的合适范围
7.3归一化网络的激活函数
7.4将batch norm拟合进神经网络
7.5batch归一化分析
7.6softmax回归
7.7训练一个softmax分类器
7.8TensorFlow
第3部分卷积神经网络及应用
第8章卷积神经网络
8.1计算机视觉
8.2边缘检测示例
8.3边缘检测内容
8.4填充
8.5卷积步长
8.6三维卷积
8.7单层卷积网络
8.8简单卷积网络示例
8.9池化层
8.10卷积神经网络示例
8.11为什么使用卷积
第9章深度卷积网络：实例探究
9.1经典网络
9.2残差网络
9.3残差网络为什么有用
9.4网络中的1×1卷积
9.5谷歌Inception网络
9.6迁移学习
9.7数据增强
第10章目标检测
10.1目标定位
10.2特征点检测
10.3目标检测
10.4滑动窗口的卷积实现
10.5Bounding Box预测
10.6交并比
10.7非极大值抑制
10.8Anchor Boxes
10.9YOLO算法
第11章特殊应用：人脸识别和神经风格迁移
11.1One-Shot学习
11.2Siamese网络
11.3Triplet损失
11.4人脸验证与二分类
11.5神经风格迁移
11.6深度卷积网络学习什么
11.7代价函数
11.8内容代价函数
11.9风格代价函数
11.10一维到三维推广
第4部分序列模型
第12章循环序列模型
12.1为什么选择序列模型
12.2数学符号
12.3循环神经网络模型
12.4通过时间的反向传播
12.5不同类型的循环神经网络
12.6语言模型和序列生成
12.7对新序列采样
12.8循环神经网络的梯度消失
12.9GRU单元
12.10长短期记忆
12.11双向循环神经网络
12.12深层循环神经网络
第13章序列模型和注意力机制
13.1序列结构的各种序列
13.2选择*可能的句子
13.3集束搜索
13.4改进集束搜索
13.5集束搜索的误差分析
13.6注意力模型直观理解
13.7注意力模型
附录
附录A深度学习符号指南
A.1数据标记与上下标
A.2神经网络模型
A.3正向传播方程示例
A.4通用激活公式
A.5损失函数
A.6深度学习图示
附录B线性代数
B.1基础概念和符号
B.2矩阵乘法〖＝（〗
前言
第1部分神经网络和深度学习
第1章深度学习简介
1.1神经网络
1.2神经网络的监督学习应用
1.3为什么深度学习会兴起
第2章神经网络的编程基础
2.1二分类
2.2逻辑回归
2.3逻辑回归的代价函数
2.4梯度下降法
2.5计算图
2.6使用计算图求导数
2.7逻辑回归中的梯度下降
2.8m个样本的梯度下降
2.9向量化
2.10向量化逻辑回归
2.11向量化逻辑回归的输出
2.12Python中的广播
2.13numpy向量
2.14logistic损失函数的解释
第3章浅层神经网络
3.1神经网络概述
3.2神经网络的表示
3.3计算一个神经网络的输出
3.4多样本向量化
3.5激活函数
3.6激活函数的导数
3.7神经网络的梯度下降
3.8理解反向传播
3.9随机初始化
第4章深层神经网络
4.1深层神经网络概述
4.2前向传播和反向传播
4.3深层网络中矩阵的维数
4.4为什么使用深层表示
4.5超参数
第2部分改善深层神经网络：超参数调试、正则化以及优化
第5章深度学习的实践
5.1训练、验证、测试集
5.2偏差、方差
5.3机器学习基础
5.4正则化
5.5正则化如何降低过拟合
5.6dropout正则化
5.7理解dropout
5.8其他正则化方法
5.9归一化输入
5.10梯度消失/梯度爆炸
5.11梯度的数值逼近
5.12梯度检验
第6章优化算法
6.1mini-batch梯度下降
6.2理解mini-batch梯度下降法
6.3动量梯度下降法
6.4RMSprop
6.5Adam 优化算法
6.6学习率衰减
6.7局部*优问题
第7章超参数调试、正则化
7.1调试处理
7.2超参数的合适范围
7.3归一化网络的激活函数
7.4将batch norm拟合进神经网络
7.5batch归一化分析
7.6softmax回归
7.7训练一个softmax分类器
7.8TensorFlow
第3部分卷积神经网络及应用
第8章卷积神经网络
8.1计算机视觉
8.2边缘检测示例
8.3边缘检测内容
8.4填充
8.5卷积步长
8.6三维卷积
8.7单层卷积网络
8.8简单卷积网络示例
8.9池化层
8.10卷积神经网络示例
8.11为什么使用卷积
第9章深度卷积网络：实例探究
9.1经典网络
9.2残差网络
9.3残差网络为什么有用
9.4网络中的1×1卷积
9.5谷歌Inception网络
9.6迁移学习
9.7数据增强
第10章目标检测
10.1目标定位
10.2特征点检测
10.3目标检测
10.4滑动窗口的卷积实现
10.5Bounding Box预测
10.6交并比
10.7非极大值抑制
10.8Anchor Boxes
10.9YOLO算法
第11章特殊应用：人脸识别和神经风格迁移
11.1One-Shot学习
11.2Siamese网络
11.3Triplet损失
11.4人脸验证与二分类
11.5神经风格迁移
11.6深度卷积网络学习什么
11.7代价函数
11.8内容代价函数
11.9风格代价函数
11.10一维到三维推广
第4部分序列模型
第12章循环序列模型
12.1为什么选择序列模型
12.2数学符号
12.3循环神经网络模型
12.4通过时间的反向传播
12.5不同类型的循环神经网络
12.6语言模型和序列生成
12.7对新序列采样
12.8循环神经网络的梯度消失
12.9GRU单元
12.10长短期记忆
12.11双向循环神经网络
12.12深层循环神经网络
第13章序列模型和注意力机制
13.1序列结构的各种序列
13.2选择*可能的句子
13.3集束搜索
13.4改进集束搜索
13.5集束搜索的误差分析
13.6注意力模型直观理解
13.7注意力模型
附录
附录A深度学习符号指南
A.1数据标记与上下标
A.2神经网络模型
A.3正向传播方程示例
A.4通用激活公式
A.5损失函数
A.6深度学习图示
附录B线性代数
B.1基础概念和符号
B.2矩阵乘法〖＝（〗
展开全部
书友推荐
- >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
二体千字文
二体千字文
¥16.8¥40.0 - >
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 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
月亮与六便士
月亮与六便士
¥15.1¥42.0 - >
自卑与超越
自卑与超越
¥17.1¥39.8 - >
山海经
山海经
¥21.1¥68.0
本类畅销
-
Photoshop 2022中文版案例教程
¥44.1¥59.8 -
局域网组建、管理与维护(第4版)(微课版)
¥47¥59 -
园林AUTOCAD教程
¥24¥45 -
Python实战编程:从零学Python
¥81¥108 -
Java程序设计基础
¥37¥50 -
数据备份与恢复
¥51.4¥69
