深度学习+人工智能 +神经网络与深度学习 pdf epub mobi txt 电子书下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

深度学习
人工智能
神经网络
机器学习
模式识别
算法
Python
TensorFlow
PyTorch
数据科学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到静流书站

windowsfront.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

店铺：义博图书专营店

出版社：机械工业

ISBN：bm009917

商品编码：10443663566

具体描述

bm009917 9787111529064 9787302331094 9787121288692

深度学习：方法及应用

定价￥39.80

版次：1
页数：
字数：
印刷时间：2016-4-1
开本：16开
纸张：胶版纸
印次：1
包装：平装
丛书名：
国际标准书号ISBN：9787111529064
所属分类：>>

编辑推荐深度学习是人工智能领域*近20年里*受瞩目的研究方向，近年来显著推动了语音、图像、自然语言理解、机器翻译，甚至是控制等众多技术方向的发展。本书原著作者微软研究院的邓力博士和俞栋博士是语音识别和深度学习方面的先驱之一，对于深度学习的进展有丰富的实践经验和深刻理解。这个学科处于快速进展之际，本书对当前的进展进行全景式系统性的梳理无疑是很有意义的，因为毕竟对于每一位读者，从这几年浩如烟海的论文中准确把握可以沉淀下来的进展是不容易的。谢磊教授受邓力博士之约在百忙之中对这本书进行翻译，对于深度学习在中国的发展具有重大意义。邓力博士和谢磊教授都是我所熟知的学者和好友。我相信，本书作为他们这次合作的成果，对于有志于了解和学习深度学习的中国读者会有极大的帮助。

余凯
—— 地平线机器人技术创始人/CEO，前百度研究院常务副院长、深度学习实验室主任内容推荐 “这本书对前沿的深度学习方法及应用进行了全面的概述，不仅包括自动语音识别(ASR)，还包括计算机视觉、语言建模、文本处理、多模态学习以及信息检索。在深度学习这一领域，这是第本，也是有价值的一本书，能使读者对这一领域进行广泛而深入的学习。深度学习对信息处理的很多方面（尤其对语音识别）都具有重大的影响，甚至对整个科技领域的影响也不容忽视。因此，对于有意了解这一领域的学者，这本书是绝对不容错过的。”
—— Sadaoki Furui，芝加哥丰田技术研究院院长，日本东京工业大学教授

1. 引言
1.1 深度学习的定义与背景
1.2 本书的结构安排
2. 深度学习的历史
3. 三类深度学习网络
3.1 三元分类方式
3.2 无监督和生成式学习深度网络
3.3 监督学习深度网络
3.4 混合深度网络
4. 深度自编码器——一种无监督学习方法
4.1 引言
4.2 利用深度自编码器来提取语音特征
4.3 堆叠式去噪自编码器
4.4 转换自编码器
5. 预训练的深度神经网络——一种混合方法
5.1 受限玻尔兹曼机
5.2 无监督逐层预训练
5.3 DNN和HMM结合
6. 深度堆叠网络及其变种——有监督学习权值
6.1 简介
6.2 深度堆叠网络的基本结构
6.3 一种学习DSN权值的方法
6.4 张量深度堆叠网络
6.5 核化深度堆叠网络
7. 语音和音频处理中的应用
7.1 语音识别中声学模型的建立
7.2 语音合成
7.3 音频和音乐处理
8. 在语言模型和自然语言处理中的相关应用
8.1 语言模型
8.2 自然语言处理
9. 信息检索领域中的应用
9.1 信息检索简介
9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索
9.3 文档检索中的深度结构语义模型
9.4 信息检索中深度堆叠网络的应用
10. 目标识别和计算机视觉中的应用
10.1无监督或生成特征学习
10.2有监督特征学习和分类
11. 多模态和多任务学习中的典型应用
11.1 多模态：文本和图像
11.2 多模态：语音和图像
11.3 在语音、自然语言处理或者图像领域的多任务学习
12. 结论
附录
参考文献

书名：	人工智能一种现代的方法(第3版)
图书定价：	￥ 128.00元
图书作者：	~ 麦克?科斯特 (作者), 苏义杰 (插图作者), 等 (插图作者), 狂飙@塞联阵 (译者)
出版社：	清华大学出版社
出版日期：	2013年11月
ISBN号：	9787302331094
开本：	16开
装帧：	平装
页数：	918页
版次：	第1版

《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》是权威、经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》的新版全面而系统地介绍了人工智能的理论和实践，阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向。全书分为七大部分：第Ⅰ部分“人工智能”，第Ⅱ部分“问题求解”，第Ⅲ部分“知识、推理与规划”，第Ⅳ部分“不确定知识与推理”，第Ⅴ部分“学习”，第Ⅵ部分“通信、感知与行动”，第Ⅶ部分“结论”。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》既详细介绍了人工智能的基本概念、思想和算法，还描述了其各个研究方向前沿的进展，同时收集整理了详实的历史文献与事件。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》适合于不同层次和领域的研究人员及学生，是高等院校本科生和研究生人工智能课的选教材，也是相关领域的科研与工程技术人员的重要参考书。

第Ⅰ部分人工智能
第1章绪论
1.1什么是人工智能
1.2人工智能的基础
1.3人工智能的历史
1.4新发展水平
1.5本章小结
参考文献与历史注释
习题
第2章智能Agent
2.1Agent和环境
2.2好的行为：理性的概念
2.3环境的性质
2.4Agent的结构
2.5本章小结
参考文献与历史注释
习题
第Ⅱ部分问题求解
第3章通过搜索进行问题求解
3.1问题求解Agent
3.2问题实例
3.3通过搜索求解
3.4无信息搜索策略
3.5有信息（启发式）的搜索策略
3.6启发式函数
3.7本章小结
参考文献与历史注释
习题
第4章越经典搜索
4.1局部搜索算法和优化问题
4.2连续空间中的局部搜索
4.3使用不确定动作的搜索
4.4使用部分可观察信息的搜索
4.5联机搜索Agent和未知环境
4.6本章小结
参考文献与历史注释
习题
第5章对抗搜索
5.1博弈
5.2博弈中的优化决策
5.3α—β剪枝
5.4不完美的实时决策
5.5随机博弈
5.6部分可观察的博弈
5.7博弈程序发展现状
5.8其他途径
5.9本章小结
参考文献与历史注释
习题
第6章约束满足问题
6.1定义约束满足问题
6.2约束传播：CSP中的推理
6.3CSP的回溯搜索
6.4CSP局部搜索
6.5问题的结构
6.6本章小结
参考文献与历史注释
习题
第Ⅲ部分知识、推理与规划
第7章逻辑Agent
7.1基于知识的Agent
7.2Wumpus世界
7.3逻辑
7.4命题逻辑：一种简单逻辑
7.5命题逻辑定理证明
7.6有效的命题逻辑模型检验
7.7基于命题逻辑的Agent
7.8本章小结
参考文献与历史注释
习题
第8章一阶逻辑
8.1重温表示
8.2一阶逻辑的语法和语义
8.3运用一阶逻辑
8.4一阶逻辑的知识工程
8.5本章小结
参考文献与历史注释
习题
第9章一阶逻辑的推理
9.1命题推理与一阶推理
9.2合一和提升
9.3前向链接
9.4反向链接
9.5归结
9.6本章小结
参考文献与历史注释
习题
第10章经典规划
10.1经典规划的定义
10.2状态空间搜索规划算法
10.3规划图
10.4其他经典规划方法
10.5规划方法分析
10.6本章小结
参考文献与历史注释
习题
第11章现实世界的规划与行动
11.1时间、调度和资源
11.2分层规划
11.3非确定性领域中的规划与行动
11.4多Agent规划
11.5本章小结
参考文献与历史注释
习题
第12章知识表示
12.1本体论工程
12.2类别和对象
12.3事件
12.4精神事件和精神对象
12.5类别的推理系统
12.6缺省信息推理
12.7互联网购物世界
12.8本章小结
参考文献与历史注释
习题
……
第Ⅳ部分不确定知识与推理
第Ⅴ部分学习
第Ⅵ部分通讯、感知与行动
第Ⅶ部分结论

神经网络与深度学习

从零起步了解神经网络与深度学习，AlphaGo大胜李世石的背后玄机

59.00

基本信息

作者：
出版社：
ISBN：9787121288692
上架时间：2016-6-16
出版日期：2016 年6月
开本：16开
页码：232
版次：1-1
所属分类：

编辑推荐

随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理"深度学习"也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？
本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。

内容简介

《神经网络与深度学习》是一本介绍神经网络和深度学习算法基本原理及相关实例的书籍，它不是教科书，作者已尽量把公式减少到少，以适应绝大部分人的阅读基础和知识储备。《神经网络与深度学习》涵盖了神经网络的研究历史、基础原理、深度学习中的自编码器、深度信念网络、卷积神经网络等，这些算法都已在很多行业发挥了价值。
《神经网络与深度学习》适合有志于从事深度学习行业的，或想了解深度学习到底是什么的，或是有一定机器学习基础的朋友阅读。

第0章写在前面：神经网络的历史 1
第1章神经网络是个什么东西 13
1.1 买橙子和机器学习 13
1.1.1 规则列表 14
1.1.2 机器学习 15
1.2 怎么定义神经网络 16
1.3 先来看看大脑如何学习 16
1.3.1 信息输入 17
1.3.2 模式加工 17
1.3.3 动作输出 18
1.4 生物意义上的神经元 19
1.4.1 神经元是如何工作的 19
1.4.2 组成神经网络 22
1.5 大脑如何解决现实生活中的分类问题 24
第2章构造神经网络 26
2.1 构造一个神经元 26
2.2 感知机 30
2.3 感知机的学习 32
2.4 用代码实现一个感知机 34
2.4.1 Neuroph：一个基于Java的神经网络框架 34
2.4.2 代码实现感知机 37
2.4.3 感知机学习一个简单逻辑运算 39
2.4.4 XOR问题 42
2.5 构造一个神经网络 44
2.5.1 线性不可分 45
2.5.2 解决XOR问题（解决线性不可分） 49
2.5.3 XOR问题的代码实现 51
2.6 解决一些实际问题 54
2.6.1 识别动物 54
2.6.2 我是预测大师 59
第3章深度学习是个什么东西 66
3.1 机器学习 67
3.2 特征 75
3.2.1 特征粒度 75
3.2.2 提取浅层特征 76
3.2.3 结构性特征 78
3.3 浅层学习和深度学习 81
3.4 深度学习和神经网络 83
3.5 如何训练神经网络 84
3.5.1 BP算法：神经网络训练 84
3.5.2 BP算法的问题 85
3.6 总结深度学习及训练过程 86
第4章深度学习的常用方法 89
4.1 模拟大脑的学习和重构 90
4.1.1 灰度图像 91
4.1.2 流行感冒 92
4.1.3 看看如何编解码 93
4.1.4 如何训练 95
4.1.5 有监督微调 97
4.2 快速感知：稀疏编码（Sparse Coding） 98
4.3 栈式自编码器 100
4.4 解决概率分布问题：限制波尔兹曼机 102
4.4.1 生成模型和概率模型 102
4.4.2 能量模型 107
4.4.3 RBM的基本概念 109
4.4.4 再看流行感冒的例子 111
4.5 DBN 112
4.6 卷积神经网络 114
4.6.1 卷积神经网络的结构 116
4.6.2 关于参数减少与权值共享 120
4.6.3 举个典型的例子：图片内容识别 124
4.7 不会忘记你：循环神经网络 131
4.7.1 什么是RNN 131
4.7.2 LSTM网络 136
4.7.3 LSTM变体 141
4.7.4 结论 143
4.8 你是我的眼：利用稀疏编码器找图像的基本单位 143
4.9 你是我的眼（续） 150
4.10 使用深度信念网搞定花分类 160
第5章深度学习的胜利：AlphaGo 169
5.1 AI如何玩棋类游戏 169
5.2 围棋的复杂性 171
5.3 AlphaGo的主要原理 173
5.3.1 策略网络 174
5.3.2 MCTS拯救了围棋算法 176
5.3.3 强化学习："周伯通，左右互搏" 179
5.3.4 估值网络 181
5.3.5 将所有组合到一起：树搜索 182
5.3.6 AlphaGo有多好 185
5.3.7 总结 187
5.4 重要的技术进步 189
5.5 一些可以改进的地方 190
5.6 未来 192
第6章两个重要的概念 194
6.1 迁移学习 194
6.2 概率图模型 197
6.2.1 贝叶斯的网络结构 201
6.2.2 概率图分类 204
6.2.3 如何应用PGM 208
第7章杂项 210
7.1 如何为不同类型的问题选择模型 210
7.2 我们如何学习"深度学习" 211
7.3 如何理解机器学习和深度学习的差异 212
7.4 大规模学习（Large Scale Learning）和并行计算 214
7.5 如果喜欢应用领域，可以考虑以下几种应用 215
7.6 类脑：人工智能的终极目标 216
参考文献 218
术语 220