 |
-- 會員 / 註冊 --
|
 |
|
|
|
深入淺出人工神經網絡 ( 簡體 字) |
| 作者：江永紅 | 類別：1. -> 程式設計 -> 人工智慧 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 51196
詢問書籍請說出此書號！【有庫存】
NT售價： 345 元 |
| 出版日：6/1/2019 |
| 頁數：280 |
| 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：9787115506665 |
| 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：作為一本講解人工神經網絡原理的圖書，《深入淺出人工神經網絡》旨在讓讀者在短的時間內對這些原理知識有一個清晰明了的認識和理解。
《深入淺出人工神經網絡》總共分為3部分，總計9章。第1部分講解了人工神經網絡的源頭—生物神經網絡的基礎知識，第2部分講解了學習人工神經網絡的數學知識，第3部分講解了幾種常見而典型的人工神經網絡模型，比如感知器、多層感知器、徑向基函數神經網絡、卷積神經網絡、循環神經網絡等。
《深入淺出人工神經網絡》寫作風格簡潔明快，深入淺出，特別適合對人工神經網絡/人工智能感興趣的入門級讀者。本書只聚焦原理性知識的講解，不涉及編程實現，即使對程序編碼尚不熟悉的讀者也可以輕松閱讀理解。本書還可用作高等院校以及相關培訓機構的教學或參考用書。 |
目錄：第 1章 背景知識 1
1.1 什么是智能 / 1
1.2 大腦與神經元 / 2
1.3 關于人工智能/機器學習/神經網絡/深度學習 / 7
第 2章 函數 10
2.1 函數的極限 / 10
2.2 函數的連續性 / 13
2.3 導數 / 14
2.4 凹凸性與拐點 / 21
2.5 極值與駐點 / 23
2.6 曲率 / 25
2.7 二元函數 / 27
第3章 梯度 34
3.1 矢量的概念 / 34
3.2 矢量的運算 / 35
3.3 矢量與坐標 / 37
3.4 方向角與方向余弦 / 39
3.5 矢量的數量積 / 40
3.6 函數的梯度 / 42
第4章 矩陣 50
4.1 矩陣的概念及運算 / 50
4.2 矩陣的初等變換 / 54
4.3 矢量的矩陣表示法 / 57
4.4 矩陣的秩 / 58
4.5 矩陣的逆 / 63
4.6 從標量函數到矩陣函數 / 69
第5章 MCP模型及感知器（Perceptron） 80
5.1 MCP模型 / 80
5.2 模式識別初探 / 84
5.3 感知器 / 88
5.4 凸集與單層感知器 / 94
5.5 XOR問題 / 98
第6章 多層感知器（MLP） 100
6.1 縱向串接 / 100
6.2 MLP的基本架構 / 102
6.3 BP算法 / 108
6.4 梯度下降法 / 120
6.5 極小值問題 / 121
6.6 學習率 / 123
6.7 批量訓練 / 125
6.8 欠擬合與過擬合 / 127
6.9 容量 / 128
6.10 拓撲 / 130
6.11 收斂曲線 / 132
6.12 訓練樣本集 / 133
6.13 權值連接方式 / 135
第7章 徑向基函數神經網絡（RBFNN） 137
7.1 插值的概念 / 137
7.2 RBF / 141
7.3 從精確插值到RBFNN / 148
7.4 Cover定理 / 151
7.5 空間分割問題 / 154
7.6 訓練策略 / 156
第8章 卷積神經網絡（CNN） 157
8.1 卷積運算與相關運算 / 157
8.2 卷積核與特征映射圖 / 188
8.3 CNN的一般結構 / 195
8.4 三種思想 / 207
8.5 邊界策略 / 209
8.6 池化 / 211
8.7 CNN網絡實例 / 214
8.8 Hubel-Wiesel實驗 / 225
第9章 循環神經網絡（RNN） 228
9.1 N-Gram模型 / 228
9.2 RNN示例 / 232
9.3 單向RNN / 237
9.4 BPTT算法 / 240
9.5 填空問題 / 255
9.6 雙向RNN / 263
9.7 梯度爆炸與梯度消失 / 265
9.8 LSTM / 269
結束語 278
|
| 序： |
|
