返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版 人工智能技术原理与应用 编者:钟跃崎|责编:张静 东华大学出
  • 新华书店旗下自营,正版全新
    • 作者: 编者:钟跃崎|责编:张静著 | 编者:钟跃崎|责编:张静编 | 编者:钟跃崎|责编:张静译 | 编者:钟跃崎|责编:张静绘
    • 出版社: 东华大学出版社
    • 出版时间:2019-03
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 编者:钟跃崎|责编:张静著| 编者:钟跃崎|责编:张静编| 编者:钟跃崎|责编:张静译| 编者:钟跃崎|责编:张静绘
    • 出版社:东华大学出版社
    • 出版时间:2019-03
    • 版次:1
    • 印次:1
    • 字数:480000
    • 页数:295
    • 开本:16开
    • ISBN:9787566917867
    • 版权提供:东华大学出版社
    • 作者:编者:钟跃崎|责编:张静
    • 著:编者:钟跃崎|责编:张静
    • 装帧:平装
    • 印次:1
    • 定价:79.00
    • ISBN:9787566917867
    • 出版社:东华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:中文
    • 出版时间:2019-03
    • 页数:295
    • 外部编号:10683040
    • 版次:1
    • 成品尺寸:暂无

    绪论
    第一章 神经网络基础(一)
    第一节 什么是神经网络
    第二节 有监督学习
    第二章 神经网络基础(二)
    第一节 二元分类问题与符号表达
    第二节 损失函数与代价函数
    第三节 逻辑回归中的梯度下降法
    3.1 梯度下降
    3.2 向前传播与向后传播的计算
    第四节 单次迭代中梯度下降算法的编程实现
    第三章 全连接神经网络
    第一节 什么是全连接神经网络
    第二节 神经网络常用的激活函数
    2.1 各种非线性激活函数
    2.2 为什么需要非线性激活函数
    第三节 激活函数的导数
    3.1 sigmoid函数的导数
    3.2 tanh函数的导数
    3.3 ReLU函数和Leaky ReLU函数的导数
    第四节 全连接神经网络向后传播时的梯度计算
    第五节 多层神经网络
    5.1 多层神经网络的向前传播计算
    5.2 多层神经网络向前/向后传播的编程模块
    第六节 神经网络的随机初始化
    第七节 二元分类问题案例分析
    第四章 神经网络调优(一)
    第一节 训练集、验证集及测试集
    1.1 定义
    1.2 数据集的划分原则
    第二节 偏差与方差
    第三节 神经网络的正则化
    3.1 L2正则化
    3.2 L2正则化预防过拟合
    3.3 Dropout正则化
    3.4 Dropout正则化的作用原理
    3.5 其他正则化方法
    第四节 输人数据的归一化处理
    第五节 梯度消失/梯度爆炸
    第六节 深度神经网络的权重初始化及案例分析
    第五章 神经网络调优(二)
    第一节 小批量的概念
    第二节 小批量的作用原理
    第三节 指数加权平均
    3.1 指数加权平均的基本概念
    3.2 指数加权平均的含义
    3.3 指数加权平均的偏差修正
    第四节 几种常见的梯度下降法
    4.1 动量梯度下降法
    4.2 RMSprop
    4.3 Adam优化算法
    第五节 学习率衰减
    第六节 局部最优问题
    第六章 神经网络调优(三)
    第一节 超参数的选择
    ……
    第七章 卷积神经网络基础
    第八章 卷积神经网络的常见架构与分析
    第九章 目标检测
    第十章 常见深度神经网络架构
    第十一章 图像分割
    第十二章 少样本学习与图像特征匹配
    第十三章 风格迁移与生成对抗网络
    第十四章 深度学习在三维模型上的发展与应用
    第十五章 深度学习在服装推荐系统中的应用
    第十六章 深度学习常用评价指标

    本书从人工智能技术的基本原理出发,涵盖人工神经网络的基本原理、网络优化过程中的超参数设置,以及卷积神经网络的基本概念与常见架构。在此基础上,详细介绍深度学习技术在目标检测、图像分割、少样本学习、风格迁移及生成对抗等常见任务中的应用原理,并结合相关研究领域的新进展,介绍深度学习在三维模型及服装推荐系统中的应用。
    本书针对零编程基础的读者讲解人工智能技术的基础知识,及其在纺织服装领域若干问题上的使用方法和流程。可供纺织院校高年级本科生以及低年级研究生作为教材,也可供相关生产企业和研究单位的专业技术人员阅读参考。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购