|
-- 會員 / 註冊 --
|
|
|
|
深度學習導論及案例分析 ( 簡體 字) |
作者:李玉鑑 張婷 | 類別:1. -> 程式設計 -> 深度學習 |
譯者: |
出版社:機械工業出版社 | 3dWoo書號: 45594 詢問書籍請說出此書號!【缺書】 NT售價: 295 元 |
出版日:10/1/2016 |
頁數:292 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787111550754 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介:本書不僅介紹了深度學習的發展歷史,強調了深層網絡的特點和優勢,說明了判別模型和生成模型的相關概念,而且詳述了深度學習的九種重要模型及其學習算法、變種模型和混雜模型,討論了深度學習在圖像處理、語音處理和自然語言處理等領域的廣泛應用,也總結了深度學習目前存在的問題、挑戰和未來的發展趨勢,還分析了一系列深度學習的基本案例。本書可以作為計算機、自動化、信號處理、機電工程、應用數學等相關專業的研究生、教師和科研工作者在具備神經網絡基礎知識后進一步了解深度學習理論和方法的入門教材或導論性參考書,有助于讀者掌握深度學習的主要內容并開展相關研究。 |
目錄:第一部分 基礎理論 目 錄 第1章概述 2 1.1深度學習的起源和發展 2 1.2深層網絡的特點和優勢 4 1.3深度學習的模型和算法 7 第2章預備知識 9 2.1矩陣運算 9 2.2概率論的基本概念 11 2.2.1概率的定義和性質 l1 2.2.2 隨機變量和概率密度 函數 l2 2.2.3期望和方差. 13 2.3信息論的基本概念. 14 2.4概率圖模型的基本概念 15 2.5概率有向圖模型 16 2.6概率無向圖模型 20 2.7部分有向無圈圖模型 22 2.8條件隨機場 24 2.9馬爾可夫鏈 26 2.10概率圖模型的學習 28 2.11概率圖模型的推理 29 2.12馬爾可夫鏈蒙特卡羅方法 31 2.13玻耳茲曼機的學習 32 2.14通用反向傳播算法 35 2.15通用逼近定理 37 第3章受限玻耳茲曼機 38 3.1 受限玻耳茲曼機的標準 模型 38 3.2受限玻耳茲曼機的學習算法 40 3.3 受限玻耳茲曼機的變種模型 44 第4章 自編碼器 48 4.1 自編碼器的標準模型 48 4.2 自編碼器的學習算法 50 4.3 自編碼器的變種模型 53 第5章深層信念網絡 57 5.1 深層信念網絡的標準模型 57 5.2深層信念網絡的生成學習 算法 60 5.3深層信念網絡的判別學習算法 62 5.4深層信念網絡的變種模型 63 第6章深層玻耳茲曼機 64 6.1 深層玻耳茲曼機的標準模型 64 6.2深層玻耳茲曼機的生成學習 算法 65 6.3 深層玻耳茲曼機的判別學習 算法 69 6.4深層玻耳茲曼機的變種模型 69 第7章和積網絡 72 7.1 和積網絡的標準模型 72 7.2和積網絡的學習算法 74 7.3和積網絡的變種模型 77 第8章卷積神經網絡 78 8.1卷積神經網絡的標準模型 78 8.2卷積神經網絡的學習算法 81 8.3卷積神經網絡的變種模型 83 第9章深層堆疊網絡 一86 9.1 深層堆疊網絡的標準模型 86 9.2深層堆疊網絡的學習算法 87 9.3深層堆疊網絡的變種模型 88 第1 0章循環神經網絡 89 10.1循環神經網絡的標準模型 89 10.2循環神經網絡的學習算法 91 10.3循環神經網絡的變種模型 92 第1 1章長短時記憶網絡 94 11.1長短時記憶網絡的標準模型 94 11.2長短時記憶網絡的學習算法 96 11.3長短時記憶網絡的變種模型 98 第12章深度學習的混合模型、 廣泛應用和開發工具 102 12.1深度學習的}昆合模型 102 12.2深度學習的廣泛應用 104 12.2.1 圖像和視頻處理 104 12.2.2語音和音頻處理 106 12.2.3 自然語言處理 108 12.2.4其他應用 109 12.3深度學習的開發工具 110 第1 3章深度學習的總結、 批評和展望 114 第二部分案例分析 第14章實驗背景 一118 14.1運行環境 118 14.2實驗數據 118 14.3代碼工具 120 第1 5章 自編碼器降維案例 一121 15.1 自編碼器降維程序的模塊 簡介 121 15.2 自編碼器降維程序的運行 過程 122 15.3 自編碼器降維程序的代碼 分析 127 15.3.1 關鍵模塊或函數的主要 功能 127 15.3.2主要代碼分析及注釋 128 15.4 自編碼器降維程序的使用 技巧 138 第1 6章深層感知器識別案例 139 16.1 深層感知器識別程序的模塊 簡介 139 16.2深層感知器識別程序的運行 過程 140 16.3深層感知器識別程序的代碼 分析 143 16.3.1 關鍵模塊或函數的主要 功能 143 16.3.2主要代碼分析及注釋 l43 16.4深層感知器識別程序的使用 技巧 148 第1 7章深層信念網絡生成 案例 149 17.1 深層信念網絡生成程序的模塊 簡介 149 17.2深層信念網絡生成程序的運行 過程 150 17.3深層信念網絡生成程序的代碼 分析 153 第18章深層信念網絡分類案例163 第19章深層玻耳茲曼機識別案例202 第20章卷積神經網絡識別案例221 第21章循環神經網絡填充案例236 第22章長短時憶網絡分類案例245 附錄263 參考文獻269 |
序: |
|