| | | 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。 |
" | | | | | |