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。
醉染图书神经网络与深度学习+案例与实践9787111649687
¥ ×1
序
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
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