成功加入购物车
【全新 正版】 深度学习的数学工程模型背后的数学原理 人民邮电
[澳]尤尼·纳扎拉西(YoniNazarathy) 著;[法]贝努瓦·利凯(BenoitLiquet);[澳]萨拉特·莫卡(SaratMoka) / 人民邮电出版社 / 2026-05 / 平装
售价 ¥ 118.56 7.9折
定价 ¥149.80
品相 全新
延迟发货说明
上书时间2026-07-28
卖家超过10天未登录
深度学习的数学工程:模型背后的数学原理
本书为读者提供了一个全面而系统的深度学习数学框架,旨在帮助读者深入理解深度学习的数学本质,并掌握其基础及前沿技术。本书共8章。第1章介绍深度学习的定义、应用、核心要素及数学符号,莫定深度学习的数学与技术基础;第2章详解机器学习原理,包括数据处理、监督与无监督学习、线性模型、迭代优化、泛化、正则化技术;第3章从统计学和深度学习视角解析logistic回归,概述softmax与浅层自编码器;第4章讲解梯度下降、ADAM等优化算法及自动微分,并概述一阶与二阶优化方法;第5章探讨前馈全连接神经网络的表达能力、激活函数、反向传播算法及训练关键技术;第6章解析卷积神经网络的数学原理、架构,介绍经典模型及计算机视觉任务;第7章聚焦序列模型、注意力机制及Transformer的结构与应用;第8章涵盖生成式模型、强化学习与图神经网络,展示深度学习的多样化应用方向。
贝努瓦·利凯(Benoit Liquet)
麦考瑞大学数学与物理科学学院教授。研究方向为高维数据、大数据、组学数据、模型选择、降维与半参数模型、多状态模型、生存模型和多重检验。
萨拉特·莫卡(Sarat Moka)
悉尼新南威尔士大学数学与统计学院讲师,兼任麦考瑞大学数学与物理科学学院荣誉研究员。研究方向为计算统计学、应用概率、机器学习和深度学习。
尤尼·纳扎拉西(Yoni Nazarathy)
昆士兰大学数学与物理学院副教授。研究方向为机器学习、应用概率、统计学、运筹学、仿真、科学计算、控制论、排队论、调度和数学教育。
第1章引言
1.1深度学习时代
1.1.1深度学习初探
1.1.2超越分类
1.1.3深度学习的应用领域
1.1.4深度学习涉及的角色
1.2任务和架构概览
1.2.1前馈全连接神经网络
1.2.2自编码器
1.2.3卷积神经网络
1.2.4循环神经网络、长短期记忆网络和门控循环单元
1.2.5Transformer和注意力机制
1.2.6扩散模型和其他变分自编码器
1.2.7生成对抗网络
1.2.8深度强化学习
1.2.9图神经网络
1.3深度学习的核心要素
1.3.1神经网络与人造大脑
1.3.2算力
1.3.3大规模数据集
1.3.4互联网、软件实践和开源
1.4数据
1.5作为数学工程学科的深度学习
1.5.1本书使用的数学
1.5.2通过高等数学发展和研究深度学习
1.6符号和数学背景知识
注释与参考文献
……
展开全部
图2
图3
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30