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。
深度学习必学的十个问题——理论与实践 人工智能 清华大学出版社 正版书籍
¥ ×1
本书既强调对深度学习理论的深入理解,同时用代码实践结合理论的讲解。
| 商品名称: | 开本: | 16开 | |
| 作者: | 李轩涯、张暐 | 定价: | 49.80 |
| ISBN号: | 9787302577164 | 出版时间: | 2021-06-01 |
| 出版社: | 清华大学出版社 | 印刷时间: | 2021-06-01 |
| 版次: | 1 | 印次: | 1 |
章作为机器学习模型的神经网络
1.1表示学习
1.2感知器与神经网络
1.3使用keras
第2章神经网络的训练
2.1基于梯度的一阶优化
2.2基于梯度的二阶优化
2.3普通训练方法的局限
2.4误差反向传播算法的本质
2.5使用keras
第3章神经网络的优化难题
3.1局部极小值,鞍点和非凸优化
3.2随机梯度下降的优势
3.3梯度方向优化
3.4动态调整学习率
3.5使用keras
第4章神经网络的过拟合
4.1参数绑定和提前终止
4.2数据增强和噪声添加
4.3Dropout
4.4使用keras
第5章神经网络的神经单元
5.1梯度消失和梯度
5.2隐藏单元设计原则和sigmoid的非零中心
5.3基于线性函数的改进和maxout单元
5.4使用keras
第6章神经网络的深度训练
6.1预处理和批标准化
6.2批标准化的不同视角: 协变量偏差和协调更新
6.3自归一化神经网络
6.4ResNet
6.5使用keras
第7章卷积神经网络
7.1局部连接和权重共享
7.2卷积操作的重要概念
7.3卷积核的参数学习
7.4基于感受野的三个卷积技巧
7.5使用keras
第8章循环神经网络
8.1理解循环结构
8.2循环结构的参数学习
8.3正交初始化和记忆容量
8.4理解LSTM
8.5使用keras
第9章无监督表示学习: 自编码器
9.1自编码器
9.2稀疏自编码器
9.3收缩自编码器
9.4使用keras
0章概率生成模型
10.1变分自编码器
10.2生成对抗网络
10.3使用keras
参考文献
深度学习是目前***的技术领域。本书兼顾了数学上的理解和代码实践,内容主要包括基础知识和深度学习模型。章 介绍深度学习的简洁发展思路和表示学习机制; 第2章、第3章介绍神经网络的基于梯度的优化方法、神经网络的优化难点以及相应的解决方法; 第4章讨论神经网络遇到的过拟合问题; 第5章分析神经网络的小组成部分——神经元; 第6章讨论三种方案解决深层网络的训练难题: 批标准化、SELU、ResNet; 第7章、第8章讲述了两种重要的神经网络模型: 卷积神经网络和循环神经网络; 第9章讨论了对于神经网络的无监督学习方式; 0章详细讨论以变分自编码器和对抗生成网络为代表的概率生成网络。 本书适合对于深度学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程技术和基本的数学知识。
李轩涯,单位:百度公司,职务、职称:工程师,性别:男,年龄:33,专业:计算机科学与技术,学历:博士,研究成果:中国计算机学会杰出会员、常务理事,中国计算机实践教育联合会副理事长。现主管百度校企合作、校企联合人才培养、校园粉丝生态圈,帮助百度技术、人才及产品品牌在高校领域的推广与影响力传播。
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
