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:
本店所有商品

  • 醉染图书实用深度学习基础9787302609438
  • 正版全新
    • 作者: 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇著 | 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇编 | 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇译 | 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-09-01
    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:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇著| 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇编| 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇译| 郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇绘
    • 出版社:清华大学出版社
    • 出版时间:2022-09-01
    • 版次:1
    • 印次:1
    • 字数:771000
    • 页数:532
    • 开本:16开
    • ISBN:9787302609438
    • 版权提供:清华大学出版社
    • 作者:郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇
    • 著:郝朝龙编著;杨绪魁主编;屈丹;张文林;牛铜;闫红刚;邱泽宇
    • 装帧:平装
    • 印次:1
    • 定价:99.00
    • ISBN:9787302609438
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-09-01
    • 页数:532
    • 外部编号:1202730900
    • 版次:1
    • 成品尺寸:暂无

    章 人工智能技术概览

    1.1 人工智能的概念

    1.1.1 智能的基本概念

    1.1.2 人类智能的度量

    1.1.3 人工智能的概念

    1.2 人工智能的发展历程

    1.2.1 人工智能诞生前的50年

    1.2.2 人工智能发展的阶段

    1.. 人工智能发展的第二阶段

    1.2.4 人工智能发展的第三阶段

    1.3 人工智能的学术流派

    1.3.1 戴维·阿兰格里尔的学术流派划分

    1.3.2 佩德罗·多明戈斯的学术流派划分

    1.3.3 人工智能学术流派的重新划分

    1.4 人工智能的未来发展

    1.4.1 无监督学习、元学习正在突破通用智能

    1.4.2 实时强化学习技术趋于成熟

    1.4.3 可解释知识推理技术成为研究重点

    1.4.4 开放式持续学习技术受到广泛关注

    1.4.5 不同流派人工智能技术融合认知开辟新的技术路径

    1.4.6 应用场景朝小数据量、恶劣环境、非完整数据方向发展

    1.5 本章小结

    参考文献

    第2章 机器学习理论基础

    2.1 机器学习基本概念

    2.1.1 学习与机器学习

    2.1.2 机器学习的分类

    2.1.3 感知机及其学习算法

    2.2 可能近似正确学习理论

    2.2.1 机器学习的不可行

    2.2.2 概率近似正确学习理论

    . VC维理论

    ..1 设的有效数量

    ..2 突破点

    .. 上限函数

    ..4 VC维

    2.4 三个基本机器学习模型

    2.4.1 线分类

    2.4.2 线回归

    2.4.3 逻辑回归

    2.4.4 三种基本机器学习算法对比分析

    2.5 本章小结

    参考文献

    第3章 深度学习基础

    3.1 深度学习的基本定义和特点

    3.1.1 神经元与生物神经网络

    3.1.2 人工神经元及其分类能力

    3.1.3 单隐含层神经网络的能力

    3.1.4 深度学习

    3.2 深度学习网络设计的三个核心问题

    3.2.1 定义网络结构

    3.2.2 目标函数选择

    3.. 优化算法选择

    3.3 后向传播算法

    3.3.1 输出端的损失梯度

    3.3.2 隐含层的损失梯度

    3.3.3 神经网络参数的损失梯度

    3.3.4 算法整理流图

    3.4 本章小结

    参考文献

    第4章 深度学习网络优化技巧

    4.1 深度学习网络优化学习

    4.1.1 定义网络结构

    4.1.2 目标函数选择

    4.1.3 优化算法选择

    4.1.4 深度学习算法检查

    4.2 新激活函数选择

    4.2.1 梯度消失问题

    4.2.2 ReLU函数

    4.. ReLU函数的变形

    4.2.4 激活函数

    4.3 优化算法

    4.3.1 基本优化算法

    4.3.2 梯度方向调整优化算法

    4.3.3 自适应学习率

    4.3.4 步长和方向联合优化算法

    4.4 测试集能优化技巧

    4.4.1 提前终止策略

    4.4.2 正则化

    4.4.3 丢弃法

    4.5 本章小结

    参考文献

    第5章 卷积神经网络

    5.1 卷积神经网络概述

    5.1.1 卷积神经网络的历史

    5.1.2 卷积神经网络的结构

    5.2 卷积神经网络与连接络的关系

    5.2.1 连接稀疏

    5.2.2 参数共享机制

    5.3 典型的卷积神经网络

    5.3.1 LeNet-5网络

    5.3.2 AlexNet网络

    5.3.3 ZFNet网络

    5.3.4 VGGNet网络

    5.3.5 GoogLeNet网络

    5.3.6 残差网络

    5.3.7 挤压激励网络

    5.3.8 区域卷积神经网络及其拓展版本

    5.4 本章小结

    参考文献

    本章知识点补充

    第6章 循环神经网络

    6.1 循环神经网络的引入

    6.2 循环神经网络的结构

    6.3 循环神经网络的训练

    6.3.1 循环神经网络的前向传播

    6.3.2 循环神经网络的依时间反向传播

    6.3.3 循环神经网络的梯度消失与梯度问题

    6.4 长短时记忆单元与门循环单元

    6.4.1 长短时记忆单元

    6.4.2 门循环单元

    6.5 循环神经网络的扩展

    6.5.1 深层循环神经网络

    6.5.2 双向循环神经网络

    6.6 循环神经网络的应用

    6.6.1 多到一模式

    6.6.2 一到多模式

    6.6.3 同步多到多模式

    6.6.4 异步多到多模式

    6.7 本章小结

    参考文献

    第7章 神经网络的区分训练

    7.1 交叉熵与优选似然估计

    7.2 区分训练准则

    7.3 序列模型的区分训练

    7.3.1 优选互信息准则

    7.3.2 型MMI

    7.3.3 音素错误/状态级贝叶斯风险

    7.3.4 序列区分训练准则的一般形式

    7.4 序列区分训练准则应用实例

    7.4.1 基于词图的序列区分训练

    7.4.2 词图无关的序列区分训练

    7.5 本章小结

    参考文献

    第8章 序列到序列模型

    8.1 序列到序列模型基本原理

    8.1.1 序列到序列模型的引入

    8.1.2 序列到序列模型构成

    8.2 连续时序分类准则

    8.2.1 连续时序分类准则定义

    8.2.2 连续时序分类准则的解码

    8.3 注意力模型

    8.3.1 注意力模型定义与原理

    8.3.2 自注意力机制

    8.4 Transfor

    "屈丹,信息工程大学人工智能教研室副主任、教授、博士生导师,视听感知与语言认知方向学术带头人,科技部、自然科学委评审专家,省部级智能语音处理领域专家组副组长。从事人工智能与机器学习理论、语音处理与识别、自然语言理解、计算机视觉等领域教学科研工作。承担“人工智能导论”“机器学习”“深度学习”“自然语言理解”“语音处理与识别”等课程教学任务,主持863课题、自然科学、社会科学、省部级重点预研等科研项目20余项。获得省部级科技进步二等奖4项、三等奖1项,发表学术110篇,被三大检索收录60篇。申请发明专利、软件著作权近20项,出版专著教材6部。三次获得军队人才岗位津贴,荣立三等功2次。
    张文林,信息工程大学人工智能教研室副教授、硕士生导师,从事智能信息处理、语音识别等领域教学科研工作。承担“机器学习”“深度学习”“自然语言理解”“强化学习”等课程教学任务,先后主持自然科学项目1项、中国博士后科学面上一等资项目1项、省部级重点课题多项,博士获得2015年度河南省博士论奖,曾获省部级科技进步二等奖3项、三等奖1项,发表学术40余篇,其中三大检索20余篇,获授权或受理发明专利10余项,软件著作权5项。出版专著教材3部,2次荣立三等功。
    杨绪魁,信息工程大学人工智能教研室讲师,从事人工智能与机器学习理论、语音处理与识别、自然语言理解等领域教学科研工作。承担“人工智能导论”“语音处理与识别”“深度学习”等课程教学任务,主持社会科学青年项目1项,参与自然科学、社会科学、河南省自然科学、省部级预先研究、省部级重大装备项目等项目多项,获省部级自然科学奖工程二等奖1项、自然科学奖工程三等奖1项,在SCI期刊、中文核刊上发表十余篇,出版专著教材3部,申请发明专利、软件著作权10项,荣立三等功1次。"

    "(1) 坚持“原理、技术、应用”三位一体原则,注重基础、系统、前沿和实的统一。
    (2) 知识体系全、技术框架新,涵盖了目前行业应用的近期新深度学习技术。
    (3) 既注重整体思路设计,又注重核心技术细节分析,使得学生学习时“既见树木又见森林”。
    (4) 源自作者20多年从事人工智能基础理论、计算机视觉、自然语言理解和语音识别等领域的科研积累,提供大量典型、实用近期新方法讲解和分析。
    (5) 在深入浅出的讲解中将近期新理论成果与实际问题解决过程相结合,培养学生解决复杂工程问题能力。
    (6) 以问题为中心来呈现技术演变进展,培养学生“发现问题、分析问题、解决问题”能力,启发学生新思。"

    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