圖解深度學(xué)習(xí)

定　價(jià)：￥59.00

作　者：	[日] 山下隆義著，張彌譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787115480248	出版時(shí)間：	2018-05-01	包裝：	平裝
開本：	大32開	頁數(shù)：	206	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書從深度學(xué)習(xí)的發(fā)展歷程講起，以豐富的圖例從理論和實(shí)踐兩個(gè)層面介紹了深度學(xué)習(xí)的各種方法，以及深度學(xué)習(xí)在圖像識(shí)別等領(lǐng)域的應(yīng)用案例。內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內(nèi)的深度學(xué)習(xí)工具的安裝和使用方法。

作者簡(jiǎn)介

　　山下隆義（作者）1978年出生于日本神戶，2002年修完博士前期課程，并于當(dāng)年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測(cè)相關(guān)的軟件研究和開發(fā)。2011年在日本中部大學(xué)研究生院工學(xué)研究科修完博士后期課程，獲得工學(xué)博士學(xué)位。2014年開始擔(dān)任中部大學(xué)工學(xué)院信息工程系講師。目前從事動(dòng)畫處理、模式識(shí)別和機(jī)器學(xué)習(xí)相關(guān)的研究。曾多次榮獲日本深度學(xué)習(xí)研究相關(guān)獎(jiǎng)項(xiàng)，并在多個(gè)相關(guān)研討會(huì)上擔(dān)任講師。張彌（譯者）畢業(yè)于大連外國(guó)語大學(xué)日本語學(xué)院?，F(xiàn)就職于某日本大型跨國(guó)公司，從事技術(shù)翻譯工作，具有豐富的軟件開發(fā)和醫(yī)學(xué)翻譯經(jīng)驗(yàn)。喜歡挑戰(zhàn)新事物，樂于學(xué)習(xí)新知識(shí)和接觸新領(lǐng)域。

圖書目錄

第 1章　緒論
1．1　深度學(xué)習(xí)與機(jī)器學(xué)習(xí)　2
1．2　深度學(xué)習(xí)的發(fā)展歷程　3
1．3　為什么是深度學(xué)習(xí)　6
1．4　什么是深度學(xué)習(xí)　7
1．5　本書結(jié)構(gòu)　9
第　2章神經(jīng)網(wǎng)絡(luò)
2．1　神經(jīng)網(wǎng)絡(luò)的歷史　12
2．2　M-P模型　14
2．3　感知器　16
2．4　多層感知器　18
2．5　誤差反向傳播算法　19
2．6　誤差函數(shù)和激活函數(shù)　28
2．7　似然函數(shù)　30
2．8　隨機(jī)梯度下降法　31
2．9　學(xué)習(xí)率　32
2．10　小結(jié)　33
第3章　卷積神經(jīng)網(wǎng)絡(luò)
3．1　卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)　36
3．2　卷積層　38
3．3　池化層　39
3．4　全連接層　40
3．5　輸出層　41
3．6　神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法　41
3．7　小結(jié)　48
第4章　受限玻爾茲曼機(jī)
4．1　Hopfield 神經(jīng)網(wǎng)絡(luò)　50
4．2　玻爾茲曼機(jī)　55
4．3　受限玻爾茲曼機(jī)　59
4．4　對(duì)比散度算法　61
4．5　深度信念網(wǎng)絡(luò)　64
4．6　小結(jié)　66
第5章　自編碼器
5．1　自編碼器　68
5．2　降噪自編碼器　71
5．3　稀疏自編碼器　73
5．4　棧式自編碼器　76
5．5　在預(yù)訓(xùn)練中的應(yīng)用　77
5．6　小結(jié)　78
第6章　提高泛化能力的方法
6．1　訓(xùn)練樣本　80
6．2　預(yù)處理　88
6．3　激活函數(shù)　92
6．4　Dropout　94
6．5　DropConnect　96
6．6　小結(jié)　98
第7章　深度學(xué)習(xí)工具
7．1　深度學(xué)習(xí)開發(fā)環(huán)境　100
7．2　Theano　100
7．3　Pylearn2　108
7．4　Caffe　118
7．5　訓(xùn)練系統(tǒng)——DIGITS137
7．6　Chainer　145
7．7　TensorFlow　160
7．8　小結(jié)　176
第8章　深度學(xué)習(xí)的現(xiàn)在和未來
8．1　深度學(xué)習(xí)的應(yīng)用案例178
8．2　深度學(xué)習(xí)的未來　195
8．3　小結(jié)　197
參考文獻(xiàn)　198