实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
音像神经网络设计与实现(英)列奥纳多·德·马尔希,(英)劳拉·米切尔
¥ ×1
商品
服务
物流
译者序前言部分 神经网络入门章 有监督学习入门1.1 人工智能的历史1.2 机器学习概述1.2.1 有监督学习1.2.2 无监督学习1.. 半监督学习1.2.4 强化学习1.3 配置环境1.3.1 了解虚拟环境1.3.2 Anaconda1.3.3 Docker1.4 Python有监督学习实践1.5 特征工程1.6 有监督学习算法1.6.1 指标1.6.2 模型评估1.7 总结第2章 神经网络基础2.1 感知器2.2 Keras. 前馈神经网络..1 反向传播介绍..2 激活函数.. Keras实现2.4 从头开始使用Python编写FFNN2.4.1 FFNN的Keras实现2.4.2 TensorBoard2.4.3 XOR问题中的TensorBoard2.5 总结第二部分 深度学习应用第3章 基于卷积神经网络的图像处理3.1 理解卷积神经网络3.2 卷积层3.2.1 池化层3.2.2 丢弃层3.. 归一化层3.2.4 输出层3.3 Keras中的卷积神经网络3.3.1 加载数据3.3.2 创建模型3.3.3 网络配置3.4 Keras表情识别3.5 优化网络3.6 总结第4章 利用文本嵌入4.1 面向NLP的机器学习4.2 理解词嵌入4.2.1 词嵌入的应用4.2.2 Word2vec4.3 GloVe4.3.1 全局矩阵分解4.3.2 使用GloVe模型4.3.3 基于GloVe的文本分类4.4 总结第5章 循环神经网络5.1 理解循环神经网络5.1.1 循环神经网络原理5.1.2 循环神经网络类型5.1.3 损失函数5.2 长短期记忆5.2.1 LSTM架构5.2.2 Keras长短期记忆实现5.3 PyTorch基础知识5.4 总结第6章 利用迁移学习重用神经网络6.1 迁移学习理论6.1.1 多任务学习介绍6.1.2 重用网络作为特征提取器6.2 实现多任务学习6.3 特征提取6.4 在PyTorch中实现迁移学习6.5 总结第三部分 不错应用领域第7章 使用生成算法7.1 判别算法与生成算法7.2 理解GAN7.2.1 训练GAN7.2.2 GAN面临的挑战7.3 GAN的发展变化和时间线7.3.1 条件GAN7.3.2 DCGAN7.3.3 Pix2Pix GAN7.3.4 StackGAN7.3.5 CycleGAN7.3.6 ProGAN7.3.7 StarGAN7.3.8 BigGAN7.3.9 StyleGAN7.3.10 Deepfake7.3.11 RadialGAN7.4 总结7.5 延伸阅读第8章 实现自编码器8.1 自编码器概述8.2 自编码器的应用8.3 瓶颈和损失函数8.4 自编码器的标准类型8.4.1 欠完备自编码器8.4.2 多层自编码器8.4.3 卷积自编码器8.4.4 稀疏自编码器8.4.5 去噪自编码器8.4.6 收缩自编码器8.5 变分自编码器8.6 训练变分自编码器8.7 总结8.8 延伸阅读第9章 DBN9.1 DBN概述9.1.1 贝叶斯置信网络9.1.2 受限玻尔兹曼机9.2 DBN架构9.3 训练DBN9.4 微调9.5 数据集和库9.5.1 示例—有监督的DBN分类9.5.2 示例—有监督的DBN回归9.5.3 示例—无监督的DBN分类9.6 总结9.7 延伸阅读0章 强化学习10.1 基本定义10.2 -learning介绍10.2.1 学习目标10.2.2 策略优化10.. -learning方法10.3 使用OpenAI Gym10.4 冰湖问题10.5 总结1章 下一步是什么11.1 本书总结11.2 机器学习的未来11.3 通用人工智能11.3.1 AI伦理问题11.3.2 可解释11.3.3 自动化11.3.4 AI安全11.3.5 问责制11.4 结语
列奥纳多·德·马尔希(Leonardo De Marchi) 目前是Badoo的数据科学家主管,Badoo是优选优选的交友之一,拥有超过4亿名用户。他也是ideai.io(一家专门从事机器学习培训的公司)的首席教练,为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士,曾在体育界担任数据科学家。
神经网络在深度学习和人工智能中发挥着很好重要的作用,其应用领域很好广泛,涵盖从医疗诊断、财务预测到机器诊断等多个领域。 本书旨在指导你以实用的方式学经网络。书中将简要介绍感知器网络,从而帮你入门。然后,你将获得有关机器学习的见解,并了解人工智能的未来。接下来,你将研究如何使用嵌入来处理文本数据,并学习长短期记忆网络在解决常见自然语言处理问题中的作用。 本书还将演示如何实现不错概念,包括迁移学习、生成对抗网络、自编码器和强化学习,以及有关神经网络领域新进展的更多内容。 在完成本书的学习后,你将掌握构建、训练和优化自己的神经网络模型所需的技能,该模型能够提供可预测的解决方案。通过阅读本书,你将:·了解如何使用反向传播训练网络。·了解迁移学习的概念,以使用Keras和VGG网络解决任务。·探索如何加载和转换图像以用于神经网络。·掌握LSTM和NLP等不错、复杂的深度学习概念,以掌握近期新知识。·研究如何将神经网络应用于多个领域。·探索创新算法,例如生成对抗网络和深度强化学习。·解决神经网络开发面临的共同挑战。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员