深度學習導論(精裝版)
作 者: [美] 尤金·查爾尼克(Eugene Charniak) 著 瀋磊 鄭春萍 譯
定 價: 89
出?版?社: 人民郵電出版社
出版日期: 2020年04月01日
頁 數: 150
裝 幀: 精裝
ISBN: 9787115534521
●第 1章 前饋神經網絡 1 1.1 感知機 3 1.2 神經網絡的交叉熵損失函數 7 1.3 導數與隨機梯度下降 11 1.4 編寫程序 15 1.5 神經網絡的矩陣表示 17 1.6 數據獨立性 19 1.7 參考文獻和補充閱讀 20 1.8 習題 21第 2章 Tensorflow 23 2.1 預備知識 23 2.2 TF程序 26 2.3 多層神經網絡 31 2.4 其他方面 34 2.4.1 檢查點 34 2.4.2 tensordot 35 2.4.3 TF變量的初始化 37 2.4.4 TF圖創建的簡化 39 2.5 參考文獻和補充閱讀 40 2.6 習題 40第3章 卷積神經網絡 43 3.1 濾波器、步長和填充 43 3.2 一個簡單的TF卷積例子 49 3.3 多層卷積 51 3.4 卷積細節 543.4.1 偏置 543.4.2 卷積層 553.4.3 池化運算(pooling) 55 3.5 參考文獻和補充閱讀 56 3.6 習題 57第4章 詞嵌入與循環神經網絡 59 4.1 語言模型的詞嵌入 59 4.2 構建前饋語言模型 63 4.3 改進前饋語言模型 65 4.4 過擬合 66 4.5 循環網絡 69 4.6 長短期記憶模型 75 4.7 參考文獻和補充閱讀 78 4.8 習題 78第5章 序列到序列學習 81 5.1 seq2seq模型 82 5.2 編寫一個seq2seq MT程序 84 5.3 seq2seq中的注意力機制 87 5.4 多長度seq2seq 90 5.5 編程練習 91 5.6 參考文獻和補充閱讀 93 5.7 習題 94第6章 深度強化學習 97 6.1 值迭代 98 6.2 Q學習 101 6.3 深度Q學習基礎 103 6.4 策略梯度法 106 6.5 行動者-評論家方法 112 6.6 經驗回放 114 6.7 參考文獻和補充閱讀 115 6.8 習題 116第7章 無監督神經網絡模型 119 7.1 基本自編碼 119 7.2 卷積自編碼 122 7.3 變分自編碼 126 7.4 生成式對抗網絡 132 7.5 參考文獻和補充閱讀 137 7.6 習題 137附錄A 部分習題答案 139附錄B 參考文獻 143附錄C 索引 147本書贊譽 151
內容簡介
《深度學習導論精裝版》講述了Tensorflow、前饋神經網絡、卷積神經網絡、詞嵌入、循環神經網絡、序列到序列學習、深度強化學習、無監督模型等深度學習領域的基本概念和技術,通過一繫列的編程任務,向讀者介紹了熱門的人工智能應用,包括計算機視覺和自然語言處理等。本書編寫簡明扼要,理論聯繫實踐,每一章都包括一個編程項目、練習以及進一步閱讀的參考資料。本書既可作為高校人工智能教學用書,也可供從業者入門參考。本書要求讀者熟悉線性代微積分、概率和統計知識,另外需要讀者了解Python 編程。
[美] 尤金·查爾尼克(Eugene Charniak) 著 瀋磊 鄭春萍 譯
作者簡介Eugene Charniak是美國布朗大學計算機科學和認知科學教授,博士畢業於MIT,博士導師是人工智能之父Marvin Minsky。他是靠前知名的人工智能研究者,美國人工智能學會(AAAI)會士,2011年獲美國計算語言學會(ACL)終身成就獎。他撰寫了《統計語言學習》《人工智能編程》等圖書。譯者簡介瀋磊,美國計算語言學會(ACL)會員,中國計算機學會(CCF)會員,博士畢業於北京航空航天大學計算機學院,博士研究方向為人工智能、模式識別,現為vivo公司北京AI研究院NLP算法專家,主要方向為自然語言理解和自動問答。她在自然語言處理及推薦算法方向發表了多篇學術論文,申請了5項。鄭......
"