| | | | 深度學習原理與TENSORFLOW實踐/黃理燦 計算機與互聯網 黃理燦 人 | | 該商品所屬分類：圖書 -> ε | | 【市場價】 | 529-768元 | | 【優惠價】 | 331-480元 | | 【出版社】 | 人民郵電出版社 | | 【ISBN】 | 9787115509963 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
出版社：人民郵電出版社 ISBN：9787115509963 商品編碼：57270974587 開本：16開 出版時間：2018-05-01 頁數：356 代碼：69
"| 商品基本信息，請以下列介紹為準 | | 商品名稱： | 深度學習原理與TENSORFLOW實踐/黃理燦 計算機與互聯網 書籍 | | 作者： | 黃理燦 | | 代碼： | 69.8 | | 出版社： | 人民郵電出版社 | | 出版日期： | 2018-05-01 | | ISBN： | 9787115509963 | | 印次： | | | 版次： | 1 | | 裝幀： | 平裝-膠訂 | | 開本： | 16開 |
| 內容簡介 | 本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學知識：機器學習概論、神經網絡、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow：Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 TensorFlow編程實踐、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--醫學應用和Seq2Seq+attention 模型及其應用案例。
本書*大是既有由淺入深的理論知識，又有從入門到高深的應用編程的技術知識。本書涵蓋了深度學習的理論、Python 編程語言以及TensorFlow編程知識和代碼解讀，為深度學習初學者以及進階人員提供了詳盡的要知識。
本書可用於大學本科生以及研究生人工智能教材，也可作為應用領域技術人員、工程技術人員和科學研究工作者的參考資料。 |
| 目錄 |
?第 1 章 緒論.............................................. 1
1.1 引言 ........ 2
1.2 深度學習的發展歷程............................ 3
1.3 TensorFlow 應用現狀...................... 5
習題 .................. 6
第 2 章 機器學習概論.......................... 7
2.1 機器學習相關的數學知識.................... 8
2.1.1 微積分.............................................. 8
2.1.2 線性代數........................................11
2.1.3 概率論............................................14
2.2 機器學習方法......................................15
2.2.1 監督學習........................................16
2.2.2 無監督學習....................................24
2.2.3 半監督學習 ....................................26
2.2.4 強化學習........................................28
2.3 數據的預處理方法..............................31
習題 ................34
第 3 章 神經網絡..................................35
3.1 神經網絡基礎知識..............................36
3.1.1 MP 模型.........................................36
3.1.2 感知機............................................38
3.1.3 三層感知機 ....................................41
3.2 神經網絡模型......................................53
3.2.1 徑向基函數網絡 ............................54
3.2.2 Hopfield 神經網絡........................56
3.2.3 Elman 神經網絡............................56
3.2.4 玻爾茲曼機....................................57
3.2.5 自動編碼器 ....................................60
3.2.6 生成對抗網絡................................ 62
習題 ................ 64
第 4 章 深度學習.................................. 65
4.1 多層感知機神經網絡.......................... 66
4.2 激活函數、損失函數和過擬合.......... 71
4.2.1 激活函數........................................ 71
4.2.2 損失函數（代價函數）................ 74
4.2.3 防止過擬合.................................... 78
4.3 卷積神經網絡......................................80
4.3.1 卷積神經網絡原理........................ 81
4.3.2 *卷積神經網絡 BP 算法的數學推導 ............................................... 86
4.4 循環神經網絡 ..................................... 89
4.4.1 循環神經網絡模型原理................90
4.4.2 *BPTT 算法 ................................. 91
4.4.3 雙向循環神經網絡........................ 95
4.4.4 深度循環神經網絡........................ 96
4.4.5 長短時記憶網絡............................ 96
4.4.6 門控網絡........................ 98
4.5 深度置信網絡 ..................................... 99
4.5.1 RBM 原理...................................... 99
4.5.2 RBM 求解算法............................100
4.5.3 對比散度算法..............................101
4.5.4 *公式推導....................................101
4.5.5 深度置信網絡訓練......................105
4. |
| 編輯 |
1.谷歌產學合作項目成果； 2.有由淺入深的理論知識，更有從入門到高深的技術應用案例； 3.每章配有習題，強化學習效果； 4.強大的配套資源，在線考試平臺、題庫、PPT課件、源代碼一應俱全，免費提供。
|
" | | |
| | | | |
|
