☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

1.實用
136張圖+60段代碼幫助理解相關理論和工具的使用方法。可作為專業理論書籍、參考文獻的輔助讀物隨時翻閱
2.專業
濃縮深度學習的關鍵知識點，內容涉及神經網絡、捲積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。同時輔以代碼，介紹瞭Theano、Pylearn2、Caffe、DIGITS、Chainer和TensorFlow等深度學習工具的安裝和使用方法。
3.易懂
圖文並茂，知識點清晰直觀、便於理解。全彩印刷、版式精美，技術書也可賞心悅目。

內容簡介

本書從深度學習的發展曆程講起，以豐富的圖例從理論和實踐兩個層麵介紹瞭深度學習的各種方法，以及深度學習在圖像識彆等領域的應用案例。內容涉及神經網絡、捲積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹瞭包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。

作者簡介

山下隆義（作者）
1978年齣生於日本神戶，2002年修完博士前期課程，並於當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發。2011年在日本中部大學研究生院工學研究科修完博士後期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程係講師。目前從事動畫處理、模式識彆和機器學習相關的研究。曾多次榮獲日本深度學習研究相關奬項，並在多個相關研討會上擔任講師。
張彌（譯者）
畢業於大連外國語大學日本語學院。現就職於某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發和醫學翻譯經驗。喜歡挑戰新事物，樂於學習新知識和接觸新領域。

目錄

第 1章　緒論
1．1　深度學習與機器學習　2
1．2　深度學習的發展曆程　3
1．3　為什麼是深度學習　6
1．4　什麼是深度學習　7
1．5　本書結構　9
第　2章 神經網絡
2．1　神經網絡的曆史　12
2．2　M-P模型　14
2．3　感知器　16
2．4　多層感知器　18
2．5　誤差反嚮傳播算法　19
2．6　誤差函數和激活函數　28
2．7　似然函數　30
2．8　隨機梯度下降法　31
2．9　學習率　32
2．10　小結　33
第3章　捲積神經網絡
3．1　捲積神經網絡的結構　36
3．2　捲積層　38
3．3　池化層　39
3．4　全連接層　40
3．5　輸齣層　41
3．6　神經網絡的訓練方法　41
3．7　小結　48
第4章　受限玻爾茲曼機
4．1　Hopfield 神經網絡　50
4．2　玻爾茲曼機　55
4．3　受限玻爾茲曼機　59
4．4　對比散度算法　61
4．5　深度信念網絡　64
4．6　小結　66
第5章　自編碼器
5．1　自編碼器　68
5．2　降噪自編碼器　71
5．3　稀疏自編碼器　73
5．4　棧式自編碼器　76
5．5　在預訓練中的應用　77
5．6　小結　78
第6章　提高泛化能力的方法
6．1　訓練樣本　80
6．2　預處理　88
6．3　激活函數　92
6．4　Dropout　94
6．5　DropConnect　96
6．6　小結　98
第7章　深度學習工具
7．1　深度學習開發環境　100
7．2　Theano　100
7．3　Pylearn2　108
7．4　Caffe　118
7．5　訓練係統——DIGITS137
7．6　Chainer　145
7．7　TensorFlow　160
7．8　小結　176
第8章　深度學習的現在和未來
8．1　深度學習的應用案例178
8．2　深度學習的未來　195
8．3　小結　197
參考文獻　198
圖解深度學習 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

　　這是一本圖文並茂的網絡管理技術書籍，旨在讓廣大讀者理解TCP/IP的基本知識、掌握TCP/IP的基本技能。

評分☆☆☆☆☆

經典圖書，趕上618的優惠券，收藏

評分☆☆☆☆☆

包裝不錯，書的內容還沒看，同事推薦的，應該不錯

評分☆☆☆☆☆

不錯的一本書，裏麵通俗易懂，值得閱讀，準備好好讀一讀瞭。

評分☆☆☆☆☆

給公司活動買的，送貨特彆快，比較 方便

評分☆☆☆☆☆

感覺很不錯，非常好的寶貝，用著實在太棒瞭以後肯定還會光顧的

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

看瞭一章，感覺挺好的。

評分☆☆☆☆☆

很好，這個非常滿意。很好，這個非常滿意。

類似圖書 點擊查看全場最低價