由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]深度学习:Java语言实现巣笼悠辅9787111572985
¥ ×1
译者序
前言
章 深度学习概述
1.1 人工智能的变迁
1.1.1 人工智能的定义
1.1.2 人工智能曾经的辉煌
1.1.3 机器学习的演化
1.1.4 机器学习的局限
1.2 人与机器的区分因素
1.3 人工智能与深度学习
1.4 小结
第2章 机器学习算法——为深度学习做准备
2.1 入门
2.2 机器学习中的训练需求
. 监督学习和无监督学习
..1 支持向量机
..2 隐马尔可夫模型
.. 神经网络
..4 逻辑回归
..5 学习
2.4 机器学习应用流程
2.5 神经网络的理论和算法
2.5.1 单层感知器
2.5.2 逻辑回归
2.5.3 多类逻辑回归
2.5.4 多层感知器
2.6 小结
第3章 深度信念网络与栈式去噪自编码器
3.1 神经网络的没落
3.2 神经网络的复兴
3.2.1 深度学习的进化——突破是什么
3.2.2 预训练的深度学习
3.3 深度学习算法
3.3.1 限制玻尔兹曼机
3.3.2 深度信念网络
3.3.3 去噪自编码器
3.3.4 栈式去噪自编码器
3.4 小结
第4章 dropout和卷积神经网络
4.1 没有预训练的深度学习算法
4.2 dropout
4.3 卷积神经网络
4.3.1 卷积
4.3.2 池化
4.3.3 公式和实现
4.4 小结
第5章 探索Java深度学习库——DL4J、ND4J以及
5.1 从零实现与使用库/框架
5.2 DL4J和 ND4J 的介绍
5.3 使用 ND4J 实现
5.4 使用DL4J实现
5.4.1 设置
5.4.2 构建
5.4.3 CNNMnistExample.java/LenetMnistExample.java
5.4.4 学习速率的优化
5.5 小结
第6章 实践应用——递归神经网络等
6.1 深度学习热点
6.1.1 图像识别
6.1.2 自然语言处理
6.2 深度学习的挑战
6.3 化深度学习概率和能力的方法
6.3.1 面向领域的方法
6.3.2 面向分解的方法
6.3.3 面向输出的方法
6.4 小结
第7章 重要的深度
学习库
7.1 Theano
7.2 TensorFlow
7.3 Caffe
7.4 小结
第8章 未来展望
8.1 深度学习的新闻
8.2 下一步的展望
8.3 对深度学习有用的新闻资源
8.4 小结
巢笼悠辅,是一位有信息工程背景的富有创造力的技术专家,目前是MICIN联合创始人和首席技术官,东京大学客座讲师。当他攻读的时候,就与同事共同建立了Gunosy,主要是利用机器学习和基于网页的数据挖掘技术判断用户兴趣,并提供与之匹配的每日新闻。这个基于算法的应用程序从发布起就引起了广泛关注,到目前累计用户已超过1000万。Yusuke在2013年加入日本优选的广告公司Dentsu,从事数字广告、智能手机应用开发及大数据分析等工作。Yusuke被日本《Web Designing》杂志评为“新一代”创新八强之一。
。。。
人工智以深度学习正在改变着人们对软件的理解,正使得计算机更加智能。深度学习算法应用广泛,远远超出数据科学的范畴。本书首先介绍了一些机器学习算法的基础,随后就带领你进入一个引人入胜的机器智能的世界。你将领略到各种神经网络的魅力及挑战。我们将使用基于DL4J的Java库,一起攻克图像处理、语音识别和自然语言处理等各种问题。同时,你也会接触到当今重要的开发平台,如Theano、TensorFlow和Caffe。通过本书的学习,你将具备用Java攻克深度学习问题的能力,并为这个领域贡献自己的力量。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格