練好深度學習的基本功｜用Python進行基礎數學理論的實作 ( 繁體 字) |
| 作者：立石賢吾 | 類別：1. -> 程式設計 -> Python |
| 譯者：衛宮紘 |
| 出版社：碁峰出版 |  3dWoo書號： 53193
詢問書籍請說出此書號！【缺書】
NT定價： 560 元
折扣價： 420 元
|
| 出版日：7/31/2020 |
| 頁數：350 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 繁體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9789865025472 |
| 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：從基本暸解深度學習的運作機制！詳盡解說讓不擅長數學的人也能夠暸解。僅用Python和NumPy，就可一步一腳印完成實作！獻給想要跨出「只會使用函式庫實作」舒適圈的人。「雖然我知道如何透過函式庫來做深度學習，但其實並不曉得它到底是怎麼運作」「想要了解深度學習的數學原理，搞懂深度學習的運作方式」本書就是為了滿足這樣的需求而推出的。透過朋友之間的對話，採用原理解說與實作並行的方式，從最基礎的原點開始重新認識深度學習。．何謂類神經網路．如何實作感知器演算法．類神經網路如何學習權重和偏差．如何正確學習參數解題．實作卷積神經網路 |
目錄：Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。
Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。
Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。
Chapter 4｜學習卷積類神經網路
學會類神經網路的基本原理後，接著學習使用卷積類神經網路處理圖像，舉出卷積類神經網路的特有機制、運算，並說明權重、偏差的更新方法。
Chapter 5｜實作類神經網路
根據前面章節學到的類神經網路計算方法， 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路，實作圖像的尺寸判定；以Chapter 4出現的卷積類神經網路實作手寫文字辨識。
Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。 |
| 序： |
