 |
-- 會員 / 註冊 --
|
 |
|
|
|
深度學習：基于Matlab的設計實例 ( 簡體 字) |
| 作者：Phil Kim | 類別：1. -> 工程繪圖與工程計算 -> Matlab
2. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：北京航空航天大學出版社 |  3dWoo書號： 48876
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：3/1/2018 |
| 頁數：187 |
| 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：9787512426665 |
| 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：（深度學習與MATLAB的完美結合!設計實例的詳實展示）
深度學習如此流行,以至於關於它的資料隨處可見。但往往是理論連篇，並不適合開發者具體使用，本書內容豐富實用、原理直白易懂、示例詳細直觀、代碼詳實細緻，目的就是希望?明開發者在學習這個人工智慧的過程中不那麼痛苦,同時也希望用本書中具體的開發實例講解能夠?明開發者避免困惑。本書主要考慮了兩類讀者。*類是準備系統地學習深度學習以進一步研究和開發的讀者，書中的示例代碼將更加有助於進一步理解本書所講的內容。第二類是想比從雜誌或報紙上獲得更深入的深度學習資訊,但不必進行實際研究的讀者。書中概念和示例結果,也有助於您理解深度學習的大多數重要技術。本書共包含6章內容,可以分為3個主題。書中例子均用MATLAB編寫而成。
第1個主題是機器學習。深度學習起源於機器學習,這意味著如果想要理解深度學習的本質,就必須在某種程度上知道機器學習背後的理念。第1章從機器學習與深度學習的關係開始講起,隨後是解決問題的策略和機器學習的基本局限性。
|
目錄：第1章 機器學習
1.1 機器學習與深度學習
1.2 什麼是機器學習
1.3 機器學習的挑戰
1.4 過擬合
1.5 直面過擬合
1.6 機器學習的類型
1.7 分類和回歸
1.8 總 結
第2章 神經網路
2.1 概 述
2.2 神經網路節點
2.3 多層神經網路
2.4 神經網路的監督學習
2.5 單層神經網路訓練:增量規則
2.6 廣義增量規則
2.7 隨機梯度下降演算法、批量演算法和小批量演算法
2.7.1 隨機梯度下降演算法
2.7.2 批量演算法
2.7.3 小批量演算法
2.8 示例:增量規則
2.8.1 隨機梯度下降演算法的實現
2.8.2 批量演算法的實現
2.8.3 隨機梯度下降演算法與批量演算法的比較
2.9 單層神經網路的局限性
2.10 總 結
第3章 訓練多層神經網路
3.1 概 述
3.2 反向傳播演算法
3.3 示 例
3.3.1 XOR問題
3.3.2 動量法(Momentum)
3.4 代價函數和學習規則
3.5 示 例
3.5.1 交叉熵函數
3.5.2 代價函數的比較
3.6 總 結
第4章 神經網路及其分類
4.1 概 述
4.2 二分類
4.3 多分類
4.4 示例:多分類
4.5 總 結
第5章 深度學習
5.1 概 述
5.2 深度神經網路的進化
5.2.1 梯度消失
5.2.2 過擬合
5.2.3 計算量的增加
5.3 示 例
5.3.1 ReLU 函數
5.3.2 節點丟棄
5.4 總 結
第6章 卷積神經網路
6.1 概 述
6.2 卷積神經網路的架構
6.3 卷積層
6.4 池化層
6.5 示例:MNIST
6.6 總 結
索 引
|
| 序： |
|
