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

  • 醉染图书神经网络与深度学习+案例与实践9787111649687
  • 正版全新
    • 作者: 邱锡鹏著 | 邱锡鹏编 | 邱锡鹏译 | 邱锡鹏绘
    • 出版社: 机械工业出版社
    • 出版时间:2020-04-01
    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: 邱锡鹏著| 邱锡鹏编| 邱锡鹏译| 邱锡鹏绘
    • 出版社:机械工业出版社
    • 出版时间:2020-04-01
    • 版次:1
    • 印次:1
    • 页数:448
    • 开本:16开
    • ISBN:9787111649687
    • 版权提供:机械工业出版社
    • 作者:邱锡鹏
    • 著:邱锡鹏
    • 装帧:平装
    • 印次:1
    • 定价:248.00
    • ISBN:9787111649687
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-04-01
    • 页数:448
    • 外部编号:1202703328
    • 版次:1
    • 成品尺寸:暂无



    前言

    常用符号表

    章绪论3

    1.1人工智能4

    1.2机器学习7

    1.3表示学习8

    1.4深度学习11

    1.5神经网络13

    1.6本书的知识体系17

    1.7常用的深度学习框架18

    1.8总结和深入阅读20

    第2章机器学习概述

    2.1基本概念24

    2.2机器学习的三个基本要素26

    .机器学习的简单示例——线回归33

    2.4偏差-方差分解38

    2.5机器学习算法的类型41

    2.6数据的特征表示43

    2.7评价指标46

    2.8理论和定理49

    2.9总结和深入阅读51

    第3章线模型

    3.1线判函数和决策边界56

    3.2Logistic回归59

    3.3Softmax回归61

    3.4感知器64

    3.5支持向量机71

    3.6损失函数对比75

    3.7总结和深入阅读76

    第二部分基础模型

    第4章前馈神经网络81

    4.1神经元82

    4.1.1Sigmoid型函数83

    4.1.2ReLU函数86

    4.1.3Swish函数88

    4.1.4GELU函数89

    4.1.5Maxout单元89

    4.2网络结构90

    4.3前馈神经网络91

    4.4反向传播算法95

    4.5自动梯度计算98

    4.6优化问题103

    4.7总结和深入阅读104

    第5章卷积神经网络109

    5.1卷积110

    5.2卷积神经网络115

    5.3参数学习120

    5.4几种典型的卷积神经网络121

    5.5卷积方式127

    5.6总结和深入阅读130

    第6章循环神经网络133

    6.1给网络增加记忆能力134

    6.2简单循环网络135

    6.3应用到机器学习138

    6.4参数学习140

    6.5长程依赖问题143

    6.5.1改进方案144

    6.6基于门控的循环神经网络145

    6.7深层循环神经网络149

    6.8扩展到图结构151

    6.9总结和深入阅读153

    第7章网络优化与正则化157

    7.1网络优化157

    7.2优化算法160

    7.3参数初始化171

    7.4数据预处理176

    7.5逐层归一化178

    7.6超参数优化183

    7.7网络正则化186

    7.8总结和深入阅读192

    第8章注意力机制与外部记忆197

    8.1认知神经学中的注意力198

    8.2注意力机制199

    8.3自注意力模型203

    8.4人脑中的记忆205

    8.5记忆神经网络207

    8.6基于神经动力的想记忆211

    8.6.1Hopfiel网络212

    8.7总结和深入阅读215

    第9章无监督学习219

    9.1无监督特征学习220

    9.2概率密度估计227

    9.3总结和深入阅读2

    0章模型独立的学方5

    10.1集成学习5

    10.1.1AdaBoost算法

    10.2自训练和协同训练240

    10.3多任务学习242

    10.4迁移学习245

    10.5终身学习249

    10.6元学习252

    10.7总结和深入阅读255

    第三部分进阶模型

    1章概率图模型261

    11.1模型表示262

    11.2学习271

    11.3推断279

    11.4变分推断.283

    11.5基于采样法的近似推断285

    11.6总结和深入阅读292

    2章深度信念网络297

    12.1玻尔兹曼机297

    12.2受限玻尔兹曼机304

    1.深度信念网络309

    12.4总结和深入阅读313

    3章深度生成模型317

    13.1概率生成模型318

    13.2变分自编码器319

    13.3生成对抗网络327

    13.3.1显式密度模型和隐式密度模型327

    13.3.2网络分解327

    13.3.3训练329

    13.3.4一个生成对抗网络的具体实现:DCGAN330

    13.3.5模型分析330

    13.3.6改进模型333

    13.4总结和深入阅读336

    4章深度强化学习339

    14.1强化学习问题340

    14.1.1典型例子340

    14.1.2强化学习定义340

    14.1.3马尔可夫决策过程341

    14.1.4强化学习的目标函数343

    14.1.5值函数344

    14.1.6深度强化学习345

    14.2基于值函数的学习方法346

    14.2.1动态规划算法346

    14.2.2方法349

    14..时序差分学习方法350

    14.2.4深度网络353

    14.3基于策略函数的学习方法354

    14.3.1REINFORCE算法356

    14.3.2带基准线的REINFORCE算法356

    14.4演员-评论员算法358

    14.5总结和深入阅读360

    5章序列生成模型365

    15.1序列概率模型366

    15.1.1序列生成367

    15.2N元统计模型368

    15.3深度序列模型370

    15.3.1模型结构370

    15.3.2参数学习373

    15.4评价方法373

    15.4.1困惑度373

    15.4.2BLEU算法374

    15.4.3ROUGE算法375

    15.5序列生成模型中的学习问题375

    15.5.1曝光偏差问题376

    15.5.2训练目标不一致问题377

    15.5.3计算效率问题377

    15.6序列到序列模型385

    15.6.1基于循环神经网络的序列到序列模型386

    15.6.2基于注意力的序列到序列模型387

    15.6.3基于自注意力的序列到序列模型388

    15.7总结和深入阅读390

    附录数学基础393

    附录A线代数394

    附录B微积分404

    附录C数学优化413

    附录D概率论420

    附录E信息论433

    索引439

    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