成功加入购物车

去购物车结算 X
孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索
倒爷图书专营店
  • 神经网络设计与实现 9787111683506
  • 神经网络设计与实现 9787111683506
  • 神经网络设计与实现 9787111683506
  • 神经网络设计与实现 9787111683506

神经网络设计与实现 9787111683506

举报

全新正版 可开票 支持7天无理由，不清楚的请咨询客服。

  • 作者: 
  • 出版社:    机械工业
  • ISBN:    9787111683506
  • 出版时间: 
  • 装帧:    平装
  • 开本:    其他
  • 作者: 
  • 出版社:  机械工业
  • ISBN:  9787111683506
  • 出版时间: 
  • 装帧:  平装
  • 开本:  其他

售价 ￥ 49.04 5.5折

定价 ￥89.00 

品相 全新

优惠 满包邮

优惠 满减券
    运费
    本店暂时无法向该地区发货

    延迟发货说明

    时间：
    说明：

    上书时间2024-01-24

    数量
    库存2件
    立即购买 加入购物车 收藏
    微信扫描下方二维码
    微信扫描打开成功后，点击右上角”...“进行转发

    卖家超过10天未登录

    • 商品详情
    • 店铺评价
    手机购买
    微信扫码访问
    • 商品分类：
      童书
      货号：
      31172120
      商品描述：
      作者简介
          列奥纳多·德·马尔希(Leonardo De Marchi)
          目前是Badoo的数据科学家主管，Badoo是优选优选的交友网站之一，拥有超过4亿名用户。他也是ideai.io(一家专门从事机器学习培训的公司）的首席教练，为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位，曾在体育界担任数据科学家。

      目录
      译者序<br/>前言<br/>第一部分　神经网络入门<br/>第1章　有监督学习入门2<br/>1.1　人工智能的历史2<br/>1.2　机器学习概述4<br/>1.2.1　有监督学习4<br/>1.2.2　无监督学习4<br/>1.2.3　半监督学习5<br/>1.2.4　强化学习5<br/>1.3　配置环境6<br/>1.3.1　了解虚拟环境7<br/>1.3.2　Anaconda8<br/>1.3.3　Docker9<br/>1.4　Python有监督学习实践9<br/>1.5　特征工程11<br/>1.6　有监督学习算法14<br/>1.6.1　指标15<br/>1.6.2　模型评估17<br/>1.7　总结19<br/>第2章　神经网络基础20<br/>2.1　感知器20<br/>2.2　Keras27<br/>2.3　前馈神经网络29<br/>2.3.1　反向传播介绍31<br/>2.3.2　激活函数33<br/>2.3.3　Keras实现36<br/>2.4　从头开始使用Python编写FFNN40<br/>2.4.1　FFNN的Keras实现43<br/>2.4.2　TensorBoard45<br/>2.4.3　XOR问题中的TensorBoard45<br/>2.5　总结48<br/>第二部分　深度学习应用<br/>第3章　基于卷积神经网络的图像处理50<br/>3.1　理解卷积神经网络50<br/>3.2　卷积层52<br/>3.2.1　池化层55<br/>3.2.2　丢弃层57<br/>3.2.3　归一化层57<br/>3.2.4　输出层57<br/>3.3　Keras中的卷积神经网络58<br/>3.3.1　加载数据58<br/>3.3.2　创建模型60<br/>3.3.3　网络配置60<br/>3.4　Keras表情识别63<br/>3.5　优化网络68<br/>3.6　总结70<br/>第4章　利用文本嵌入71<br/>4.1　面向NLP的机器学习71<br/>4.2　理解词嵌入73<br/>4.2.1　词嵌入的应用73<br/>4.2.2　Word2vec74<br/>4.3　GloVe80<br/>4.3.1　全局矩阵分解80<br/>4.3.2　使用GloVe模型82<br/>4.3.3　基于GloVe的文本分类85<br/>4.4　总结87<br/>第5章　循环神经网络88<br/>5.1　理解循环神经网络88<br/>5.1.1　循环神经网络原理90<br/>5.1.2　循环神经网络类型91<br/>5.1.3　损失函数94<br/>5.2　长短期记忆95<br/>5.2.1　LSTM架构95<br/>5.2.2　Keras长短期记忆实现98<br/>5.3　PyTorch基础知识102<br/>5.4　总结106<br/>第6章　利用迁移学习重用神经网络107<br/>6.1　迁移学习理论107<br/>6.1.1　多任务学习介绍108<br/>6.1.2　重用其他网络作为特征提取器108<br/>6.2　实现多任务学习108<br/>6.3　特征提取110<br/>6.4　在PyTorch中实现迁移学习110<br/>6.5　总结116<br/>第三部分　高级应用领域<br/>第7章　使用生成算法118<br/>7.1　判别算法与生成算法118<br/>7.2　理解GAN120<br/>7.2.1　训练GAN121<br/>7.2.2　GAN面临的挑战123<br/>7.3　GAN的发展变化和时间线124<br/>7.3.1　条件GAN125<br/>7.3.2　DCGAN125<br/>7.3.3　Pix2Pix GAN131<br/>7.3.4　StackGAN132<br/>7.3.5　CycleGAN133<br/>7.3.6　ProGAN135<br/>7.3.7　StarGAN136<br/>7.3.8　BigGAN138<br/>7.3.9　StyleGAN139<br/>7.3.10　Deepfake142<br/>7.3.11　RadialGAN143<br/>7.4　总结144<br/>7.5　延伸阅读144<br/>第8章　实现自编码器146<br/>8.1　自编码器概述146<br/>8.2　自编码器的应用147<br/>8.3　瓶颈和损失函数147<br/>8.4　自编码器的标准类型148<br/>8.4.1　欠完备自编码器148<br/>8.4.2　多层自编码器151<br/>8.4.3　卷积自编码器152<br/>8.4.4　稀疏自编码器155<br/>8.4.5　去噪自编码器156<br/>8.4.6　收缩自编码器157<br/>8.5　变分自编码器157<br/>8.6　训练变分自编码器159<br/>8.7　总结164<br/>8.8　延伸阅读164<br/>第9章　DBN165<br/>9.1　DBN概述165<br/>9.1.1　贝叶斯置信网络166<br/>9.1.2　受限玻尔兹曼机167<br/>9.2　DBN架构176<br/>9.3　训练DBN177<br/>9.4　微调179<br/>9.5　数据集和库179<br/>9.5.1　示例—有监督的DBN分类180<br/>9.5.2　示例—有监督的DBN回归181<br/>9.5.3　示例—无监督的DBN分类182<br/>9.6　总结183<br/>9.7　延伸阅读183<br/>第10章　强化学习184<br/>10.1　基本定义184<br/>10.2　Q-learning介绍187<br/>10.2.1　学习目标187<br/>10.2.2　策略优化188<br/>10.2.3　Q-learning方法188<br/>10.3　使用OpenAI Gym188<br/>10.4　冰湖问题191<br/>10.5　总结199<br/>第11章　下一步是什么200<br/>11.1　本书总结200<br/>11.2　机器学习的未来201<br/>11.3　通用人工智能202<br/>11.3.1　AI伦理问题203<br/>11.3.2　可解释性203<br/>11.3.3　自动化204<br/>11.3.4　AI安全性204<br/>11.3.5　问责制205<br/>11.4　结语205

      内容摘要
      <br>本书是一本神经网络实践进阶指南，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。<br>本书从机器学习基础、深度学习应用和高级机器学习这三个方面入手，结合算法理论、代码实现和应用场景，介绍了机器学习的新动向和新技术。本书分为三部分：第1部分网络神经入门，主要介绍了人工智能历史、机器学习概述和神经网络基础；第二部分，深度学习应用，主要是基于卷积神经网络图像处理、文本挖掘、循环神经网络、利用迁移学习重用神经网络；第三部分，高级应用领域，主要介绍对生成对抗网络、自动编码器、损失函数、深度信度网络、强化学习基本定义等。

      主编推荐
      神经网络在深度学习和人工智能中发挥着很好重要的作用，其应用领域很好广泛，涵盖从医疗诊断、财务预测到机器诊断等多个领域。   本书旨在指导你以实用的方式学习神经网络。书中将简要介绍感知器网络，从而帮助你入门。然后，你将获得有关机器学习的见解，并了解人工智能的未来。接下来，你将研究如何使用嵌入来处理文本数据，并学习长短期记忆网络在解决常见自然语言处理问题中的作用。 本书还将演示如何实现不错概念，包括迁移学习、生成对抗网络、自编码器和强化学习，以及有关神经网络领域新进展的更多内容。   在完成本书的学习后，你将掌握构建、训练和优化自己的神经网络模型所需的技能，该模型能够提供可预测的解决方案。通过阅读本书，你将：·了解如何使用反向传播训练网络。·了解迁移学习的概念，以使用Keras和VGG网络解决任务。·探索如何加载和转换图像以用于神经网络。·掌握LSTM和NLP等不错、复杂的深度学习概念，以掌握近期新知识。·研究如何将神经网络应用于多个领域。·探索创新算法，例如生成对抗网络和深度强化学习。·解决神经网络开发面临的共同挑战。

      配送说明

      ...

      相似商品

      为你推荐

    孔网分类
    图书
    © 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
    关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全
    孔网啦啦啦啦啦纺织女工火锅店第三课

    开播时间：09月02日 10:30

    即将开播，去预约
    直播中，去观看