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]深度学习神经网络设计及案例研究/(美)丹尼尔·格罗彼(Daniel Graupe)
  • 本店所有图书均支持7天无理由退换并运费险,请放心购买。
    • 作者: (美)Daniel著
    • 出版社: 科学出版社
    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:
    粉象优品图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: (美)Daniel著
    • 出版社:科学出版社
    • 页数:253页
    • ISBN:9788273908044
    • 版权提供:科学出版社

                                                                                                  店铺公告

    本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版


    商品参数

    ISBN编码: 9787030697653 书  名: 深度学**经网络设计及案例研究 定  价: 130 出版单位: 科学出版社 出版时间: 2021年09月 著  者: (美)丹尼尔·格罗彼(Daniel Graupe) 编  者: 译  者: 周志杰,贺维,韩晓霞,胡冠宇 页  数: 253 开  本: 16
    内容介绍

    本书主要对深度学**经网络模型的设计与应用进行研究。首先,对深度学**经网络理论的发展历史、基本概念进行回顾。然后,对深度学**经网络衍生出的反向传播神经网络、卷积神经网络、大内存存储与检索神经网络进行深入分析。通过20个实际应用案例,对不同结构深度学**经网络的优缺点进行比较,总结这些神经网络在不同领域的应用优势。最后,给出所有应用案例的核心代码,方便读者在这些代码的基础上,完成相应深度学**经网络模型的设计和重构。
    目录

    目录
    译者序
    致谢
    前言
    第1章 深度学**经网络:方法和范围 1
    1.1 定义 1
    1.2 深度神经网络简史及其应用 1
    1.3 本书范围 3
    1.4 本书的结构安排 4
    参考文献 5
    第2章 神经网络的基本概念 8
    2.1 Hebbian原理 8
    2.2 感知器 8
    2.3 联想记忆 10
    2.4 “赢者通吃”原理 11
    2.5 卷积积分 12
    参考文献 13
    第3章 反向传播神经网络 14
    3.1 反向传播结构 14
    3.2 反向传播算法的推导 14
    3.3 反向传播算法的改进 18
    3.3.1 神经网络偏差的引入 18
    3.3.2 结合动量或平滑项调整权重 19
    3.3.3 关于收敛性的其他修正 19
    参考文献 20
    第4章 认知机与新认知机 21
    4.1 引言 21
    4.2 认知机的原理 21
    4.3 认知机网络的推导 22
    4.3.1 兴奋性神经元 22
    4.3.2 抑制性神经元 23
    4.4 认知机网络的训练 23
    4.5 新认知机 24
    参考文献 25
    第5章 卷积神经网络 27
    5.1 引言 27
    5.2 前馈结构 27
    5.2.1 基本结构 27
    5.2.2 设计细节 30
    5.3 卷积层 31
    5.3.1 卷积滤波器设计 31
    5.3.2 核权值在卷积层中的作用 32
    5.3.3 卷积层的输出 32
    5.4 反向传播算法 33
    5.5 修正线性单元层 33
    5.6 池化层 34
    5.6.1 **池化 34
    5.6.2 平均池化 35
    5.6.3 其他池化方法 35
    5.7 随机失活层 35
    5.8 输出全连接层 36
    5.9 参数(权重)共享层 36
    5.10 应用 36
    5.11 案例研究 37
    参考文献 37
    第6章 大内存存储与检索神经网络 40
    6.1 大内存存储与检索神经网络原理 40
    6.1.1 简介 40
    6.1.2 大内存存储与检索神经网络的版本 41
    6.1.3 大内存存储与检索神经网络的基本原理 41
    6.1.4 基本结构元素 42
    6.1.5 输入存储权重的设置和获胜神经元的确定 44
    6.1.6 在自组织映射模块中调整分辨率 45
    6.1.7 自组织映射模块和从自组织映射模块到输出模块之间的链接 45
    6.1.8 权重 46
    6.1.9 初始值和局部最小值 46
    6.1.10 遗忘和抑制 47
    6.1.11 对预处理器和协处理器的输入层的设置 47
    6.1.12 训练与运行 48
    6.1.13 面对数据缺失的操作 48
    6.1.14 大内存存储与检索神经网络的决策过程 48
    6.2 大内存存储与检索神经网络1型 49
    6.2.1 通过连接权值确定获胜决策 49
    6.2.2 大内存存储与检索神经网络1型核心算法(动态大内存存储与检索) 49
    6.3 大内存存储与检索神经网络2型 52
    6.3.1 动机 52
    6.3.2 改进的大内存存储与检索神经网络算法 52
    6.3.3 动态大内存存储与检索神经网络 53
    6.4 使用LAMSTAR-1和LAMSTAR-2进行数据分析 56
    6.4.1 基于连接权值信息的数据分析能力 56
    6.4.2 大内存存储与检索神经网络输入的连接权值情况图 57
    6.4.3 大内存存储与检索神经网络中的特征提取与去除 57
    6.4.4 相关和插值 58
    6.4.5 大内存存储与检索神经网络的更新检测 60
    6.5 大内存存储与检索神经网络的数据平衡预设程序 60
    6.5.1 数据不平衡的解决方法 60
    6.5.2 预处理训练核心算法 60
    6.6 评论及应用 62
    6.6.1 评论 62
    6.6.2 应用 63
    参考文献 63
    第7章 用于深度学习的其他神经网络 66
    7.1 深度玻耳兹曼机 66
    7.2 深度递归神经网络 68
    7.3 反卷积/小波神经网络 69
    参考文献 71
    第8章 案例研究 73
    8.1 人类活动识别 73
    8.2 医学:癫痫发作的预测 76
    8.3 医学:癌症检测图像处理 77
    8.4 图像处理:从2D图像到3D 78
    8.5 图像分析:场景分类 79
    8.6 图像识别:指纹识别1 80
    8.7 图像识别:指纹识别2 82
    8.8 人脸识别 83
    8.9 图像识别:蝴蝶种类分类 84
    8.10 图像识别:树叶分类 85
    8.11 图像识别:交通标志识别 86
    8.12 信息检索:编程语言分类 87
    8.13 信息检索:对从转录自然语言在会话中的信息分类 88
    8.14 语音识别 89
    8.15 音乐流派分类 90
    8.16 安全/财务:信用卡欺诈检测 91
    8.17 从测试钻井的渗透率数据预测石油钻探位置 92
    8.18 森林火灾预测 93
    8.19 市场微观结构中价格走势预测 94
    8.20 故障检测:通过声波发射诊断轴承故障 95
    参考文献 96
    第9章 总结 99
    附录A 问题 102
    附录B 介绍 105
    附录C 程序 106
    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