-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

神經網絡與深度學習實戰:Python+Keras+TensorFlow

( 簡體 字)
作者:陳屹類別:1. -> 程式設計 -> 深度學習
   2. -> 程式設計 -> Python
譯者:
出版社:機械工業出版社神經網絡與深度學習實戰:Python+Keras+TensorFlow 3dWoo書號: 51596
詢問書籍請說出此書號!

有庫存
NT售價: 545

出版日:8/7/2019
頁數:323
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:9787111632665
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

本書通過理論與項目實踐相結合的方式引領讀者進入人工智能技術的大門。書中首先從人工智能技術的數學基礎講起,然后重點剖析神經網絡的運行流程,*后以大量的實際項目編碼實踐方式幫助讀者扎實地掌握人工智能開發所需要的基本理論知識和核心開發技術。
  本書共15章,涵蓋的內容有神經網絡初體驗;深度學習的微積分基礎;深度學習的線性代數基礎;神經網絡的理論基礎;用Python從零實現識別手寫數字的神經網絡;神經網絡項目實踐;使用神經網絡實現機器視覺識別;用深度學習實現自然語言處理;自動編解碼網絡和生成型對抗性網絡;增強性學習網絡的開發實踐;TensorFlow入門;使用TensorFlow和Keras開發高級自然語言處理系統;使用TensorFlow和Keras實現高級圖像識別處理系統;使用TensorFlow和Keras打造智能推薦系統;深度學習重要概念和技巧總結。
  本書盡可能通過細致的講解降低讀者入門人工智能編程的門檻。書中案例豐富,內容非常實用,特別適合有志于投身人工智能領域的IT專業人士或學生閱讀。閱讀本書需要讀者具有一定的數學基礎。
目錄:

前言
本書內容導圖
第1章 神經網絡初體驗1
1.1 開發環境的安裝1
1.2 快速構建一個識別手寫數字圖片的神經網絡2
第2章 深度學習中的微積分基礎8
2.1 實數中的無理數8
2.2 什么叫極限10
2.3 函數的連續性12
2.4 函數求導13
2.5 導數的一般法則15
2.6 間套函數的鏈式求導法則17
2.7 多變量函數與偏導數19
2.8 導數與極值19
2.9 使用導數尋求函數的最小值21
第3章 深度學習的線性代數基礎25
3.1 常量與向量26
3.2 矩陣及相關操作26
3.3 tensor——多維向量28
3.4 向量范數30
第4章 神經網絡的理論基礎31
4.1 詳解神經網絡中的神經元激活函數31
4.2 使用矩陣運算驅動神經網絡數據加工鏈38
4.3 通過反向傳播算法回傳誤差改進鏈路權重42
4.4 使用矩陣和梯度下降法實現神經網絡的迭代訓練45
4.5 手算梯度下降法,詳解神經網絡迭代訓練過程53
第5章 用Python從零實現識別手寫數字的神經網絡58
5.1 基本框架的搭建58
5.2 實現網絡的迭代訓練功能62
5.3 網絡訓練,識別手寫數字圖片64
第6章 神經網絡項目實踐70
6.1 使用神經網絡分析電影評論的正能量和負能量70
6.2 使用神經網絡實現新聞話題分類78
6.3 使用神經網絡預測房價中位數83
第7章 使用神經網絡實現機器視覺識別90
7.1 卷積神經網絡入門90
7.2 從零開始構造一個識別貓、狗圖片的卷積網絡93
7.3 使用預先訓練的卷積網絡實現圖像快速識別101
7.4 視覺化神經網絡的學習過程105
7.5 揭秘卷積網絡的底層原理109
第8章 用深度學習實現自然語言處理124
8.1 Word Embedding 單詞向量化124
8.2 概率論的一些重要概念130
8.3 skip-gram單詞向量化算法的數學原理136
8.4 使用預先訓練好的單詞向量實現新聞摘要分類140
8.5 RNN——具有記憶功能的神經網絡143
8.6 LSTM網絡層詳解及其應用145
8.7 使用RNN和CNN混合的“雞尾酒療法”提升網絡運行效率148
第9章 自動編解碼網絡和生成型對抗性網絡150
9.1 自動編解碼器網絡的原理與實現150
9.2 去噪型編解碼網絡154
9.3 使用自動編解碼網絡實現黑白圖片上色157
9.4 生成型對抗性網絡162
9.5 生成型對抗性網絡的代碼實現163
9.6 條件性生成型對抗性網絡169
第10章 增強性學習網絡開發實踐176
10.1 增強性學習網絡的基本原理176
10.2 開發環境配置177
10.3 增強性學習網絡的數學原理179
10.4 Bellman函數和最優化180
10.5 Bellman等式的推導181
10.6 用實例講解Bellman函數的應用182
10.7 解決冰凍湖問題185
10.8 ε貪婪算法188
10.9 運用神經網絡和Bellman函數解決Cartpole問題188
第11章 TensorFlow入門193
11.1 TensorFlow圖運算原理193
11.2 TensorFlow代碼實踐195
11.3 TensorFlow的輸入、變量、輸出及運算操作197
11.4 TensorFlow的變量定義200
11.5 TensorFlow的運算輸出及運算操作201
11.6 用TensorFlow開發神經網絡的相關操作204
11.7 開發TensorFlow程序應注意的事項207
11.8 使用TensorFlow開發神經網絡213
第12章 使用TensorFlow和Keras 開發高級自然語言處理系統218
12.1 Skip-Gram算法實現218
12.2 使用RNN網絡模型的基本原理230
12.3 代碼實現RNN網絡232
12.4 LSTM網絡的結構原理242
12.5 使用LSTM網絡實現人機問答系統247
第13章 使用TensorFlow和Keras 實現高級圖像識別處理系統256
13.1 實現藝術風格的轉換256
13.2 使用膠囊網絡實現服裝識別266
13.3 使用TensorFlow API 實現精準物體識別285
13.4 DeeDream:使用神經網絡構造具有驚悚審美效果的藝術作品293
第14章 使用TensorFlow和Keras 打造智能推薦系統300
14.1 創造一個網易云音樂推薦引擎300
14.2 使用TensorFlow構建高質量商品推薦系統309
14.3 實現淘寶“拍立淘”圖片搜索引擎313
第15章 深度學習的重要概念和技巧總結319
序: