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:

  • 神经网络与深度学习+案例与实践 邱锡鹏 著等 专业科技 文轩网
  • 新华书店正版
    • 作者: 邱锡鹏著
    • 出版社: 机械工业出版社
    • 出版时间:2020-04-01 00:00:00
    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:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 邱锡鹏著
    • 出版社:机械工业出版社
    • 出版时间:2020-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-04-01
    • 页数:448
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111649687
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    神经网络与深度学习+案例与实践

    作  者:邱锡鹏 著等
    定  价:248
    出 版 社:机械工业出版社
    出版日期:2020年04月01日
    页  数:448
    装  帧:平装
    ISBN:9787111649687
    主编推荐

    内容简介

    本书是深度学习领域的入门教材,系统地整理了深度学习的知识体系,由浅入深地阐述了深度学习的基础知识、主要模型以及前沿研究热点,使得读者能有效地掌握深度学习的相关知识,并具备以深度学习技术来处理和解决大数据问题的能力。全书共15章,分为三个部分。第一部分为机器学习基础:第1章是绪论,概要介绍人工智能、机器学习、深度学习;第2〜3章介绍机器学习的基础知识。第二部分是基础模型:第4~6章分别讲述三种主要的神经网络模型:前馈神经网络、卷积神经网络和循环神经网络;第7章介绍神经网络的优化与正则化方法;第8章介绍神经网络中的注意力机制和外部记忆;第9章简要介绍一些无监督学习方法;第10章介绍一些模型独立的机器学习方法,包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。第三部分是进阶模型:第11章介绍概率图模型的基本概念;第12章介绍两种早期的深度学习模型——玻尔兹曼机和深度信念网null

    作者简介

    精彩内容

    目录

    前言
    常用符号表
    第1章绪论3
    1.1人工智能4
    1.2机器学习7
    1.3表示学习8
    1.4深度学习11
    1.5神经网络13
    1.6本书的知识体系17
    1.7常用的深度学习框架18
    1.8总结和深入阅读20
    第2章机器学习概述23
    2.1基本概念24
    2.2机器学习的三个基本要素26
    2.3机器学习的简单示例——线性回归33
    2.4偏差-方差分解38
    2.5机器学习算法的类型41
    2.6数据的特征表示43
    2.7评价指标46
    2.8理论和定理49
    2.9总结和深入阅读51
    第3章线性模型
    3.1线性判别函数和决策边界56
    3.2Logistic回归59
    3.3Softmax回归61
    3.4感知器64
    3.5支持向量机71
    3.6损失函数对比75
    3.7总结和深入阅读76
    第二部分基础模型
    第4章前馈神经网络81
    4.1神经元82
    4.1.1Sigmoid型函数83
    4.1.2ReLU函数86
    4.1.3Swish函数88
    4.1.4GELU函数89
    4.1.5Maxout单元89
    4.2网络结构90
    4.3前馈神经网络91
    4.4反向传播算法95
    4.5自动梯度计算98
    4.6优化问题103
    4.7总结和深入阅读104
    第5章卷积神经网络109
    5.1卷积110
    5.2卷积神经网络115
    5.3参数学习120
    5.4几种典型的卷积神经网络121
    5.5其他卷积方式127
    5.6总结和深入阅读130
    第6章循环神经网络133
    6.1给网络增加记忆能力134
    6.2简单循环网络135
    6.3应用到机器学习138
    6.4参数学习140
    6.5长程依赖问题143
    6.5.1改进方案144
    6.6基于门控的循环神经网络145
    6.7深层循环神经网络149
    6.8扩展到图结构151
    6.9总结和深入阅读153
    第7章网络优化与正则化157
    7.1网络优化157
    7.2优化算法160
    7.3参数初始化171
    7.4数据预处理176
    7.5逐层归一化178
    7.6超参数优化183
    7.7网络正则化186
    7.8总结和深入阅读192
    第8章注意力机制与外部记忆197
    8.1认知神经学中的注意力198
    8.2注意力机制199
    8.3自注意力模型203
    8.4人脑中的记忆205
    8.5记忆增强神经网络207
    8.6基于神经动力学的联想记忆211
    8.6.1Hopfiel网络212
    8.7总结和深入阅读215
    第9章无监督学习219
    9.1无监督特征学习220
    9.2概率密度估计227
    9.3总结和深入阅读232
    第10章模型独立的学习方式235
    10.1集成学习235
    10.1.1AdaBoost算法237
    10.2自训练和协同训练240
    10.3多任务学习242
    10.4迁移学习245
    10.5终身学习249
    10.6元学习252
    10.7总结和深入阅读255
    第三部分进阶模型
    第11章概率图模型261
    11.1模型表示262
    11.2学习271
    11.3推断279
    11.4变分推断.283
    11.5基于采样法的近似推断285
    11.6总结和深入阅读292
    第12章深度信念网络297
    12.1玻尔兹曼机297
    12.2受限玻尔兹曼机304
    12.3深度信念网络309
    12.4总结和深入阅读313
    第13章深度生成模型317
    13.1概率生成模型318
    13.2变分自编码器319
    13.3生成对抗网络327
    13.3.1显式密度模型和隐式密度模型327
    13.3.2网络分解327
    13.3.3训练329
    13.3.4一个生成对抗网络的具体实现:DCGAN330
    13.3.5模型分析330
    13.3.6改进模型333
    13.4总结和深入阅读336
    第14章深度强化学习339
    14.1强化学习问题340
    14.1.1典型例子340
    14.1.2强化学习定义340
    14.1.3马尔可夫决策过程341
    14.1.4强化学习的目标函数343
    14.1.5值函数344
    14.1.6深度强化学习345
    14.2基于值函数的学习方法346
    14.2.1动态规划算法346
    14.2.2蒙特卡罗方法349
    14.2.3时序差分学习方法350
    14.2.4深度Q网络353
    14.3基于策略函数的学习方法354
    14.3.1REINFORCE算法356
    14.3.2带基准线的REINFORCE算法356
    14.4演员-评论员算法358
    14.5总结和深入阅读360
    第15章序列生成模型365
    15.1序列概率模型366
    15.1.1序列生成367
    15.2N元统计模型368
    15.3深度序列模型370
    15.3.1模型结构370
    15.3.2参数学习373
    15.4评价方法373
    15.4.1困惑度373
    15.4.2BLEU算法374
    15.4.3ROUGE算法375
    15.5序列生成模型中的学习问题375
    15.5.1曝光偏差问题376
    15.5.2训练目标不一致问题377
    15.5.3计算效率问题377
    15.6序列到序列模型385
    15.6.1基于循环神经网络的序列到序列模型386
    15.6.2基于注意力的序列到序列模型387
    15.6.3基于自注意力的序列到序列模型388
    15.7总结和深入阅读390
    附录数学基础393
    附录A线性代数394
    附录B微积分404
    附录C数学优化413
    附录D概率论420
    附录E信息论433
    索引439

    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