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99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。
醉染图书深度学习(下)9787030599568
¥ ×1
前言
9 深度置信网络和深度玻尔兹曼机
9.1 深度置信网络和深度玻尔兹曼机的起源
9.1.1 玻尔兹曼机
9.1.2 受限玻尔兹曼机
9.2 模型参数学习
9.2.1 吉布斯采样
9.2.2 对比散列算法
9.3 深度置信网络
9.3.1 深度置信网络模型
9.3.2 深度置信网络训练
9.4 深度玻尔兹曼机
9.4.1 深度玻尔兹曼机模型
9.4.2 深度玻尔兹曼机参数学习
9.5 深度置信网络和深度玻尔兹曼机的应用
9.5.1 深度置信网络的应用
9.5.2 深度玻尔兹曼机的应用
9.6 阅读材料
参考文献
10 自编码器
10.1 自编码器介绍
10.1.1 自编码器的结构
10.1.2 自编码器的训练
10.2 深度自编码器
10.3 自编码器的变形
10.3.1 稀疏自编码器
10.3.2 降噪自编码器
10.3.3 收缩自编码器
10.3.4 掩码自编码器
10.3.5 自编码器
10.4 变分自编码器
10.4.1 变分推断
10.4.2 详解变分自编码器
10.5 变分自编码器的变形
10.5.1 半监督变分自编码器
10.5.2 反向自回归流变分自编码器
10.5.3 信息优选化变分自编码器
10.5.4 优选均值差异变分自编码器
10.5.5 向量量化变分自编码器
10.5.6 降噪变分自编码器
10.5.7 梯形变分自编码器
10.6 变分自编码器的应用
10.6.1 机器翻译
10.6.2 文本分类
10.7 阅读材料
参考文献
11 生成对抗网络
11.1 原始生成对抗网络
11.1.1 生成对抗网络的基本结构
11.1.2 深入理解生成对抗网络
11.1.3 原始生成对抗网络中的问题
11.2 生成对抗网络的发展
11.2.1 深度卷积生成对抗网络
11.2.2 基于Wasserstein距离的生成对抗网络
11.. 加罚项的基于Wasserstein距离的生成对抗网络
11.2.4 带有一致化项的生成对抗网络
11.2.5 损失的生成对抗网络
11.2.6 信息优选化生成对抗网络
11.3 生成对抗网络的训练
11.3.1 训练生成对抗网络的问题与发展
11.3.2 训练生成对抗网络的一些技巧
11.3.3 渐进增大方式训练生成对抗网络
11.3.4 生成对抗网络的谱归一化
11.3.5 通过原始-对偶次梯度方法训练生成对抗网络
11.3.6 用优化镜像下降的方法训练生成对抗网络
11.3.7 一阶惩罚生成对抗网络
11.4 深度生成模型的联合模型
11.4.1 对抗变分贝叶斯方法
11.4.2 建立深度生成模型之间的原则联系
11.4.3 对抗自编码器
11.4.4 Wasserstein自编码器
11.5 很优传输理论与生成对抗网络
11.5.1 从很优传输理论到生成模型
11.5.2 利用很优传输理论改善生成对抗网络
11.6 生成对抗网络的评估
11.6.1 几何评分:一种比较样本的方法
11.6.2 调节生成器对生成对抗网络能的影响
11.7 生成对抗网络的模型
11.8 生成对抗网络的应用
11.8.1 图像的生成与作
11.9 早期的对抗模型
11.10 生成对抗网络的总结
11.11 阅读材料
参考文献
12 像素级生成模型
12.1 PixelCNN
12.1.1 PixelCNN介绍
12.1.2 mask卷积
12.1.3 盲点问题
12.2 PixelRNN
12.2.1 行LSTM PixelRNN
12.2.2 对角线BiLSTM PixelRNN
1. 门PixelCNN
12.4 条件PixelCNN
12.5 PixelVAE
12.6 PixelGAN
12.7 阅读材料
参考文献
13 深度聚类
13.1 聚类概述
13.1.1 传统聚类与深度聚类之间的关系
13.1.2 深度聚类模型结构
13.1.3 深度聚类损失函数
13.1.4 簇的更新策略
13.2 深度嵌入聚类算法
13.2.1 自编码器与聚类结合
13.2.2 变分自编码器与聚类的结合
13.. 梯子网络与聚类的结合
13.2.4 卷积神经网络与聚类的结合
13.3 深度谱聚类
13.4 深度子空间聚类
13.5 阅读材料
参考文献
14 深度强化学习
14.1 基于值函数的深度强化学习
14.1.1 深度网络
14.1.2 双重深度网络
14.1.3 优先化经验回放的深度网络
14.1.4 基于竞争网络架构的深度网络
14.2 基于策略搜索的深度强化学习
14.2.1 深度确定策略梯度算法
14.2.2 异步的优势行动者-评论家算法
14.3 基于模型的深度强化学习
14.3.1 AlphaGo发展史
14.3.2 AlphaGo原理介绍
14.4 深度强化学习的应用
14.5 深度强化学习的未来
14.6 阅读材料
参考文献
15 深度学习的可解释
15.1 可解释概述
15.1.1 什么是可解释
15.1.2 可解释的必要
15.1.3 可解释研究进展
15.2 可视化
15.2.1 可视化方法分类
15.2.2 特征可视化
15.. 关系可视化
15.2.4 过程可视化
15.3 深度学
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
