成功加入购物车
图书条目标准图
[爱尔兰]约翰·D.凯莱赫(John D. Kelleher) / 机械工业出版社 / 2020-05 / 其他
售价 ¥ 12.00 1.7折
定价 ¥69.00
品相 八五品
延迟发货说明
上书时间2026-09-07
卖家超过10天未登录
人人可懂的深度学习
采用通俗易懂的语言,简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。
: 赵启军,四川大学计算机学院副教授,研究方向为计算机视觉、模式识别、图像处理、生物特征识别。
译者序 前言 致谢 第1章┆深度学习概述 / 1 1.1 人工智能、机器学习和深度学习?/?4 1.2 什么是机器学习?/?10 1.3 机器学习为何如此困难?/?14 1.4 机器学习的关键要素?/?18 1.5 有监督学习、无监督学习和强化学习?/?21 1.6 深度学习为何如此成功?/?24 1.7 本章小结及本书内容安排?/?27 第2章┆预备知识 / 31 2.1 什么是数学模型?/?32 2.2 含有多个输入的线性模型?/?35 2.3 线性模型的参数设置?/?37 2.4 从数据中学习模型参数?/?39 2.5 模型的组合?/?44 2.6 输入空间、权重空间和激活空间?/?46 2.7 本章小结?/?49 第3章┆神经网络:深度学习的基石 / 51 3.1 人工神经网络?/?53 3.2 人工神经元是如何处理信息的?/?56 3.3 为什么需要激活函数?/?61 3.4 神经元参数的变化如何影响神经元的行为?/?65 3.5 使用GPU加速神经网络的训练?/?73 3.6 本章小结?/?77 第4章┆深度学习简史 / 80 4.1 早期研究:阈值逻辑单元?/?83 4.2 连接主义:多层感知机?/?98 4.3 深度学习时代?/?114 4.4 本章小结?/?124 第5章┆卷积神经网络和循环神经网络 / 126 5.1 卷积神经网络?/?127 5.2 循环神经网络?/?135 第6章┆神经网络的训练 / 147 6.1 梯度下降?/?149 6.2 使用反向传播训练神经网络?/?165 第7章┆深度学习的未来 / 181 7.1 推动算法革新的大数据?/?183 7.2 新模型的提出?/?187 7.3 新形式的硬件?/?189 7.4 可解释性问题?/?192 7.5 结语?/?196 术语表 / 197 参考文献 / 203 延伸阅读 / 208
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30