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 微课视频版 尚文倩 编 大中专 文轩网
  • 新华书店正版
    • 作者: 暂无著
    • 出版社: 清华大学出版社
    • 出版时间:2022-12-01 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: 暂无著
    • 出版社:清华大学出版社
    • 出版时间:2022-12-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-12-01
    • 字数:429000
    • 页数:280
    • 开本:16开
    • 装帧:平装
    • ISBN:9787302621836
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    神经网络与深度学习 微课视频版

    作  者:尚文倩 编
    定  价:59.9
    出 版 社:清华大学出版社
    出版日期:2022年12月01日
    页  数:280
    装  帧:平装
    ISBN:9787302621836
    主编推荐

    本书从神经网络起源开始介绍人工神经网络发展过程中出现的多种优秀模型,从理论到实践系统介绍和分析了每个模型的提出原因、模型结构、运行过程以及如何实现。书中从神经元入手,由小到大、由点到面地介绍了在神经网络发展过程中里程碑式的网络模型。 书籍梳理了多种模型结构、学习算法、数据集以及实现过程,采用科学的学习模式设计教材,让读者先从理论入手,经过详细的文字和数学公式的引导,自己尝试实现模型。书籍每章都包括理论、应用和实践三个主要部分,这是目前很多同类型教材不具备的,本书可以作为高等院校专业和非专业学生的教材,教材内容严谨充实,拥有深度但不晦涩难懂,可以作为神经网络入门的指路灯塔,亦可作为从事相关研究人员的知识全集。

    内容简介

    本书从两大部分阐述了神经网络与深度学习的基本理论: 一是神经网络; 二是深度学习。系统地整理了神经网络与深度学习的知识体系,由浅入深地进行了详细讲解。全书共13章,第1章介绍神经网络的概念、发展历史、研究内容、应用领域以及神经网络与深度学习的关系。其后12章的内容分为两大部分: 第一部分(第2~7章)阐述了6种典型的神经网络模型,即M-P模型、感知机模型、BP神经网络、Hopfield神经网络、玻耳兹曼机、自组织神经网络等。第二部分(第8~13章)阐述了深度学习的6种经典模型,即深度神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式对抗网络、图神经网络等。详细介绍了它们的网络结构、学习算法、工作原理、应用实例及操作实践,使学生在全面掌握神经网络与深度学习相关知识的同时,提高动手能力,并提高应用神经网络与深度学习技术来解决实际问题的能力。每章后面附有习题,以供读者练习。
    null

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1神经网络的概念
    1.2神经网络的发展历史
    1.2.1启蒙时期
    1.2.2萧条时期
    1.2.3复兴时期
    1.2.4高潮时期
    1.3神经网络的研究内容
    1.3.1神经元模型
    1.3.2神经网络的结构
    1.3.3神经网络与深度学习的学习算法
    1.4神经网络的应用领域
    1.4.1自然语言处理
    1.4.2推荐系统
    1.4.3医学领域
    1.4.4网络空间安全
    1.4.5控制领域
    1.4.6交通领域
    1.4.7心理学领域
    1.5神经网络与深度学习的关系
    1.6习题
    第2章神经网络基础
    2.1生物神经系统
    2.1.1生物神经元的结构
    2.1.2生物神经元的功能
    2.1.3生物神经元和人工神经元的区别
    2.2人工神经元模型
    2.2.1人工神经元的结构
    2.2.2激活函数
    2.2.3其他常用激活函数
    2.3M-P神经元模型
    2.3.1基础M-P神经元模型
    2.3.2延时M-P模型
    2.3.3改进的M-P模型
    2.4神经网络的互连结构
    2.5神经网络的学习
    2.5.1神经网络的学习方式
    2.5.2神经网络的学习规则
    2.6本章实践
    2.7习题
    第3章感知机
    3.1感知机原理
    3.1.1单层感知机
    3.1.2多层感知机
    3.2感知机模型
    3.3感知机算法
    3.3.1随机梯度下降法
    3.3.2感知机学习算法
    3.4感知机改进算法
    3.5本章实践
    3.6习题
    第4章误差反向传播神经网络
    4.1BP神经网络结构
    4.2BP学习算法
    4.2.1BP算法的过程
    4.2.2BP神经网络的优化算法
    4.3BP神经网络学习算法的改进与优化
    4.3.1BP神经网络的优点
    4.3.2BP算法存在的问题
    4.3.3累积误差算法的BP神经网络
    4.3.4Sigmoid函数输出限幅的BP算法
    4.3.5增加动量项的BP算法
    4.3.6学习率自适应调整算法
    4.4BP神经网络的应用
    4.5本章实践
    4.6习题
    第5章Hopfield神经网络
    5.1Hopfield神经网络概述
    5.2离散型Hopfield神经网络
    5.2.1离散型Hopfield神经网络结构及工作方式
    5.2.2离散型Hopfield神经网络的吸引子与能量函数
    5.2.3离散型Hopfield神经网络的连接权值设计
    5.2.4离散型Hopfield神经网络的信息存储容量
    5.3连续型Hopfield神经网络
    5.3.1连续型Hopfield神经网络的结构
    5.3.2连续型Hopfield神经网络的神经元
    5.3.3连续型Hopfield神经网络的能量函数
    5.4Hopfield神经网络的应用
    5.4.1离散型Hopfield神经网络的应用
    5.4.2连续型Hopfield神经网络的应用
    5.5本章实践
    5.5.1离散型Hopfield神经网络实践
    5.5.2连续型Hopfield神经网络实践
    5.6习题
    第6章玻耳兹曼机
    6.1随机型神经网络概述
    6.2玻耳兹曼机原理
    6.2.1玻耳兹曼机的网络结构
    6.2.2玻耳兹曼机的能量函数及玻耳兹曼分布
    6.2.3玻耳兹曼机的运行规则
    6.2.4玻耳兹曼机的联想记忆
    6.3受限玻耳兹曼机原理
    6.3.1受限玻耳兹曼机的网络结构
    6.3.2受限玻耳兹曼机的能量函数
    6.3.3受限玻耳兹曼机的运行规则
    6.3.4受限玻耳兹曼机的应用
    6.4本章实践
    6.5习题
    第7章自组织神经网络
    7.1自组织神经网络概述
    7.2竞争学习
    7.2.1竞争学习的概念
    7.2.2竞争学习规则
    7.3自组织神经网络原理
    7.3.1自组织神经网络的概念
    7.3.2自组织神经网络的结构
    7.3.3自组织神经网络的设计
    7.3.4自组织神经网络的权值调整域
    7.3.5自组织神经网络的运行原理与学习算法
    7.3.6自组织神经网络应用实例
    7.4改进的自组织神经网络模型
    7.4.1采用混合高斯模型的自组织神经网络
    7.4.2动态自组织神经网络模型
    7.5本章实践
    7.6习题
    第8章深度神经网络
    8.1深度神经网络概述
    8.2深度神经网络的网络结构
    8.2.1深度神经网络的基本结构
    8.2.2深度神经网络的前向传播
    8.2.3深度神经网络的反向传播
    8.3深度神经网络的优化
    8.3.1损失函数的选择
    8.3.2参数优化
    8.3.3正则优化
    8.4深度神经网络的应用
    8.5本章实践
    8.6习题
    第9章深度置信网络
    9.1深度置信网络概述
    9.2深度置信网络的网络结构
    9.2.1深度置信网络的基础结构
    9.2.2DBN-DNN的训练过程
    9.3改进的深度置信网络算法
    9.4深度置信网络的应用
    9.5本章实践
    9.6习题
    第10章卷积神经网络
    10.1卷积神经网络概述
    10.2卷积神经网络基本部件
    10.2.1输入层
    10.2.2卷积层
    10.2.3池化层
    10.2.4激活层
    10.2.5全连接层
    10.2.6目标函数
    10.2.7卷积神经网络的基本特征
    10.3卷积神经网络的网络结构
    10.3.1基本结构
    10.3.2前向传播
    10.3.3反向传播
    10.4改进的卷积神经网络
    10.4.1AlexNet神经网络
    10.4.2VGG-Nets神经网络
    10.5卷积神经网络的应用
    10.6本章实践
    10.7习题
    第11章循环神经网络
    11.1循环神经网络概述
    11.2循环神经网络的网络结构
    11.2.1基本结构
    11.2.2前向传播
    11.2.3反向传播
    11.3循环神经网络的优化算法
    11.3.1门控算法
    11.3.2深度算法
    11.4循环神经网络的应用
    11.5本章实践
    11.6习题
    第12章生成式对抗网络
    12.1生成式对抗网络概述
    12.2生成式对抗网络的结构
    12.2.1生成式对抗网络的判别器
    12.2.2生成式对抗网络的生成器
    12.2.3生成式对抗网络的运行流程
    12.3改进的生成式对抗网络
    12.3.1生成式对抗网络的优势与缺陷
    12.3.2生成式对抗网络的问题分析及改进
    12.4生成式对抗网络的应用
    12.5本章实践
    12.6习题
    第13章图神经网络
    13.1图神经网络概述
    13.2图
    13.2.1图的基本定义
    13.2.2图的基本类型
    13.2.3邻居和度
    13.2.4子图与路径
    13.3图神经网络模型
    13.3.1图卷积神经网络
    13.3.2图注意力网络
    13.3.3图自动编码器
    13.3.4图生成网络
    13.3.5递归图神经网络
    13.4GNN的应用
    13.5本章实践
    13.6习题
    参考文献

    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