作 者:(愛爾蘭)約翰·D.凱萊赫(John D. Kelleher)著 著 趙啟軍 譯
定 價:69
出 版 社:機械工業出版社
出版日期:2021年04月01日
頁 數:0
裝 幀:平裝
ISBN:9787111680109
●譯者序
前言
致謝
第1章 深度學習概述
1.1 人工智能、機器學習和深度學習
1.2 什麼是機器學習
1.3 機器學習為何如此困難
1.4 機器學習的關鍵要素
1.5 有監督學習、無監督學習和強化學習
1.6 深度學習為何如此成功
1.7 本章小結及本書內容安排
第2章 預備知識
2.1 什麼是數學模型
2.2 含有多個輸入的線性模型
2.3 線性模型的參數設置
2.4 從數據中學習模型參數
2.5 模型的組合
2.6 輸入空間、權重空間和激活空間
2.7 本章小結
第3章 神經網絡:深度學習的基石
3.1 人工神經網絡
3.2 人是如何處理信息的
3.3 為什麼需要激活函數
3.4 參數的變化如何影的行為
3.5 使用GPU加速神經網絡的訓練
3.6 本章小結
第4章 深度學習簡史
4.1 早期研究:閾值
4.2 連接主義:多層感知機
4.3 深度學
4.4 本章小結
第5章 卷積神經網絡和循環神經網絡
5.1 卷積神經網絡
5.2 循環神經網絡
第6章 神經網絡的訓練
6.1 梯度下降
6.2 使用反向傳播訓練神經網絡
第7章 深度學習的未來
7.1 推動算法革新的大數據
7.2 新模型的提出
7.3 新形式的硬件
7.4 可解釋性問題
7.5 結語
術語表
參考文獻
延伸閱讀
本書將深度學習技術的發展歷史、現狀和未來向讀者娓娓道來,以深入淺出的方式介紹了深度學習的核心思想和關鍵技術,非常適合尚不具備專業背景的讀者學習和了解什麼是深度學習技術,如何進行深度學習,深度學習適合哪些任務,深度學習還有哪些不足。本書對深度學習中的一些關鍵問題(如過擬合和梯度消失)、核心技術(如反向傳播和梯度下降)、典型模型(如卷積神經網絡和循環神經網絡)的講解簡潔而不失深刻,對深度學習技術未來發展的討論很有啟發性,專業人士也能從中獲益。
(愛爾蘭)約翰·D.凱萊赫(John D. Kelleher)著 著 趙啟軍 譯
趙啟軍,四川大學計算機學院副教授,研究方向為計算機視覺、模式識別、圖像處理、生物特征識別。