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:
本店所有商品

  • [正版]套装2本图解深度学习+图解机器学习 ai人工智能算法书籍chatgpt自然语言处理技术书 深度学习入门机器学习
  • 专业实用图文并茂
    • 作者: [日]山下隆义著
    • 出版社: 人民邮电出版社
    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:
    友一个文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: [日]山下隆义著
    • 出版社:人民邮电出版社
    • 装帧:套装
    • ISBN:9784095133841
    • 版权提供:人民邮电出版社

            铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。

      关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

     

     

     
    图解机器学习
    大促价:
    184.80
    价格
    246.00
    折扣
    7.51折
    节省
    ¥61.2
    活动倒计时:0623:59:

     
    机器学习基础
    大促价:
    298.00
    价格
    395.60
    折扣
    7.53折
    节省
    ¥97.6
    活动倒计时:0623:59:



    图解深度学习
                 定价 59.00
    出版社 人民邮电出版社
    版次 1
    出版时间 2018年05月
    开本 大32开
    作者 [日]山下隆义
    装帧 平装
    页数 198
    字数
    ISBN编码 9787115480248
    图解机器学习
    定价 49.00
    出版社 人民邮电出版社
    版次 1
    出版时间 2015-04-01
    开本 32
    作者 杉山将
    装帧 平装
    页数 226
    字数
    ISBN编码 9787115388025


    图解深度学习                

    第 1章 绪论 

     1.1 深度学习与机器学习 2 

     1.2 深度学习的发展历程 3 

     1.3 为什么是深度学习 6 

     1.4 什么是深度学习 7 

     1.5 本书结构 9 

     第 2章 神经网络 

     2.1 神经网络的历史 12 

     2.2 M-P模型 14 

     2.3 感知器 16 

     2.4 多层感知器 18 

     2.5 误差反向传播算法 19 

     2.6 误差函数和激活函数 28 

     2.7 似然函数 30 

     2.8 随机梯度下降法 31 

     2.9 学习率 32 

     2.10 小结 33 

     第3章 卷积神经网络 

     3.1 卷积神经网络的结构 36 

     3.2 卷积层 38 

     3.3 池化层 39 

     3.4 全连接层 40 

     3.5 输出层 41 

     3.6 神经网络的训练方法 41 

     3.7 小结 48 

     第4章 受限玻尔兹曼机 

     4.1 Hopfield 神经网络 50 

     4.2 玻尔兹曼机 55 

     4.3 受限玻尔兹曼机 59 

     4.4 对比散度算法 61 

     4.5 深度信念网络 64 

     4.6 小结 66 

     第5章 自编码器 

     5.1 自编码器 68 

     5.2 降噪自编码器 71 

     5.3 稀疏自编码器 73 

     5.4 栈式自编码器 76 

     5.5 在预训练中的应用 77 

     5.6 小结 78 

     第6章 提高泛化能力的方法 

     6.1 训练样本 80 

     6.2 预处理 88 

     6.3 激活函数 92 

     6.4 Dropout 94 

     6.5 DropConnect 96 

     6.6 小结 98 

     第7章 深度学习工具 

     7.1 深度学习开发环境 100 

     7.2 Thean 100 

     7.3 Pylearn2 108 

     7.4 Caffe 118 

     7.5 训练系统——DIGITS137 

     7.6 Chainer 145 

     7.7 TensorFlow 160 

     7.8 小结 176 

     第8章 深度学习的现在和未来 

     8.1 深度学习的应用案例178 

     8.2 深度学习的未来 195 

     8.3 小结 197 

     参考文献 198 

    图解机器学习                

    第I部分 绪 论

    dy 章 什么是机器学习 

    1.1 学习的种类

    1.2 机器学习任务的例子

    1.3 机器学习的方法

    第2章 学习模型 

    2.1 线性模型

    2.2 核模型

    2.3 层级模型

    第II部分 有监督回归

    第3章 小二乘学习法 

    3.1 小二乘学习法

    3.2 小二乘解的性质

    3.3 大规模数据的学习算法

    第4章带有约束条件的 小二乘法 

    4.1 部分空间约束的 小二乘学习法

    4.2 l2 约束的 小二乘学习法

    4.3 模型选择

    第5章 稀疏学习 

    5.1 l1 约束的 小二乘学习法

    5.2 l1 约束的 小二乘学习的求解方法

    5.3 通过稀疏学习进行特征选择

    5.4 lp约束的 小二乘学习法

    5.5 l1+l2 约束的 小二乘学习法

    第6章 鲁棒学习 

    6.1 l1 损失 小化学习

    6.2 Huber损失 小化学习

    6.3 图基损失 小化学习

    6.4 l1 约束的Huber损失 小化学习

    第III部分 有监督分类

    第7章 基于 小二乘法的分类 

    7.1 小二乘分类

    7.2 0/1 损失和间隔

    7.3 多类别的情形

    第8章 支持向量机分类 

    8.1 间隔 化分类

    8.2 支持向量机分类器的求解方法

    8.3 稀疏性

    8.4 使用核映射的非线性模型

    8.5 使用Hinge损失 小化学习来解释

    8.6 使用Ramp损失的鲁棒学习

    第9章 集成分类 

    9.1 剪枝分类

    9.2 Bagging学习法

    9.3 Boosting 学习法

    dy 0章 概率分类法 

    10.1 Logistic回归

    10.2 小二乘概率分类

    dy 1 章序列数据的分类 

    11.1 序列数据的模型化

    11.2 条件随机场模型的学习

    11.3 利用条件随机场模型对标签序列进行预测

    第IV部分 无监督学习

    dy 2章 异常检测 

    12.1 局部异常因子

    12.2 支持向量机异常检测

    12.3 基于密度比的异常检测

    dy 3章 无监督降维 

    13.1 线性降维的原理

    …………已省略更多目录          



    《图解深度学习从深度学习的发展历程讲起,以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法,以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外,还介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在内的深度学习工具的安装和使用方法。


    《图解机器学习》用丰富的图示,从 小二乘法出发,对基于 小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。

    1
    • 商品详情
    • 内容简介

    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