注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書教育/教材/教輔教材研究生/本科/??平滩?/a>深度學習入門與實踐

深度學習入門與實踐

深度學習入門與實踐

定 價:¥59.80

作 者: 王舒禹,呂鑫
出版社: 機械工業(yè)出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787111725770 出版時間: 2023-06-01 包裝: 平裝-膠訂
開本: 16開 頁數: 字數:  

內容簡介

  大約在一百年前,電氣化改變了交通運輸行業(yè)、制造業(yè)、醫(yī)療行業(yè)、通信行業(yè),如今AI帶來了同樣巨大的改變。AI的各個分支中發(fā)展為迅速的方向之一就是深度學習。本書主要涉及以下內容:第1部分是神經網絡的基礎,學習如何建立神經網絡,以及如何在數據上面訓練它們。第2部分進行深度學習方面的實踐,學習如何構建神經網絡與超參數調試、正則化以及一些高級優(yōu)化算法。第3部分學習卷積神經網絡(CNN),以及如何搭建模型、有哪些經典模型。它經常被用于圖像領域,此外目標檢測、風格遷移等應用也將涉及。后在第4部分學習序列模型,以及如何將它們應用于自然語言處理等任務。序列模型講到的算法有循環(huán)神經網絡(RNN)、長短期記憶網絡(LSTM)、注意力機制。通過以上內容的學習,讀者可以入門深度學習領域并打下扎實基礎,為后續(xù)了解和探索人工智能前沿科技做知識儲備。本書配有電子課件,需要配套資源的教師可登錄機械工業(yè)出版社教育服務網www.cmpedu.com免費注冊后下載。

作者簡介

暫缺《深度學習入門與實踐》作者簡介

圖書目錄

目 錄
前言
第1部分神經網絡和深度學習
第1章深度學習簡介
1.1神經網絡
1.2神經網絡的監(jiān)督學習應用
1.3為什么深度學習會興起
第2章神經網絡的編程基礎
2.1二分類
2.2邏輯回歸
2.3邏輯回歸的代價函數
2.4梯度下降法
2.5計算圖
2.6使用計算圖求導數
2.7邏輯回歸中的梯度下降
2.8m個樣本的梯度下降
2.9向量化
2.10向量化邏輯回歸
2.11向量化邏輯回歸的輸出
2.12Python中的廣播
2.13numpy向量
2.14logistic損失函數的解釋
第3章淺層神經網絡
3.1神經網絡概述
3.2神經網絡的表示
3.3計算一個神經網絡的輸出
3.4多樣本向量化
3.5激活函數
3.6激活函數的導數
3.7神經網絡的梯度下降
3.8理解反向傳播
3.9隨機初始化
第4章深層神經網絡
4.1深層神經網絡概述
4.2前向傳播和反向傳播
4.3深層網絡中矩陣的維數
4.4為什么使用深層表示
4.5超參數
第2部分改善深層神經網絡:超參數調試、正則化以及優(yōu)化
第5章深度學習的實踐
5.1訓練、驗證、測試集
5.2偏差、方差
5.3機器學習基礎
5.4正則化
5.5正則化如何降低過擬合
5.6dropout正則化
5.7理解dropout
5.8其他正則化方法
5.9歸一化輸入
5.10梯度消失/梯度爆炸
5.11梯度的數值逼近
5.12梯度檢驗
第6章優(yōu)化算法
6.1mini-batch梯度下降
6.2理解mini-batch梯度下降法
6.3動量梯度下降法
6.4RMSprop
6.5Adam 優(yōu)化算法
6.6學習率衰減
6.7局部問題
第7章超參數調試、正則化
7.1調試處理
7.2超參數的合適范圍
7.3歸一化網絡的激活函數
7.4將batch norm擬合進神經網絡
7.5batch歸一化分析
7.6softmax回歸
7.7訓練一個softmax分類器
7.8TensorFlow
第3部分卷積神經網絡及應用
第8章卷積神經網絡
8.1計算機視覺
8.2邊緣檢測示例
8.3邊緣檢測內容
8.4填充
8.5卷積步長
8.6三維卷積
8.7單層卷積網絡
8.8簡單卷積網絡示例
8.9池化層
8.10卷積神經網絡示例
8.11為什么使用卷積
第9章深度卷積網絡:實例探究
9.1經典網絡
9.2殘差網絡
9.3殘差網絡為什么有用
9.4網絡中的1×1卷積
9.5谷歌Inception網絡
9.6遷移學習
9.7數據增強
第10章目標檢測
10.1目標定位
10.2特征點檢測
10.3目標檢測
10.4滑動窗口的卷積實現
10.5Bounding Box預測
10.6交并比
10.7非極大值抑制
10.8Anchor Boxes
10.9YOLO算法
第11章特殊應用:人臉識別和神經風格遷移
11.1One-Shot學習
11.2Siamese網絡
11.3Triplet損失
11.4人臉驗證與二分類
11.5神經風格遷移
11.6深度卷積網絡學習什么
11.7代價函數
11.8內容代價函數
11.9風格代價函數
11.10一維到三維推廣
第4部分序列模型
第12章循環(huán)序列模型
12.1為什么選擇序列模型
12.2數學符號
12.3循環(huán)神經網絡模型
12.4通過時間的反向傳播
12.5不同類型的循環(huán)神經網絡
12.6語言模型和序列生成
12.7對新序列采樣
12.8循環(huán)神經網絡的梯度消失
12.9GRU單元
12.10長短期記憶
12.11雙向循環(huán)神經網絡
12.12深層循環(huán)神經網絡
第13章序列模型和注意力機制
13.1序列結構的各種序列
13.2選擇可能的句子
13.3集束搜索
13.4改進集束搜索
13.5集束搜索的誤差分析
13.6注意力模型直觀理解
13.7注意力模型
附錄
附錄A深度學習符號指南
A.1數據標記與上下標
A.2神經網絡模型
A.3正向傳播方程示例
A.4通用激活公式
A.5損失函數
A.6深度學習圖示
附錄B線性代數
B.1基礎概念和符號
B.2矩陣乘法〖=(〗

本目錄推薦

掃描二維碼
Copyright ? 讀書網 talentonion.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號