發表於2024-12-23
包郵 深度學習+深度學習、優化與識彆+深入淺齣深度學習+TensorFlow實戰4本 pdf epub mobi txt 電子書 下載
YL8208 9787115461476 9787302473671 9787121312700 9787121309120
本書包括3 個部分:第1 部分介紹基本的數學工具和機器學習的概念,它們是深度學習的預備知識;第2 部分係統深入地講解現今已成熟的深度學習方法和技術;第3 部分討論某些具有前瞻性的方嚮和想法,它們被**為是深度學習未來的研究重點。
本書適閤各類讀者閱讀,包括相關**的大學生或研究生,以及不具有機器學習或統計背景、但是想要快速補充深度學習知識,以便在實際産品或平颱中應用的軟件工程師
緻謝
數學符號
1章 前言
1部分 應用數學與機器學習基礎
第二章 綫性代數
第三章 概率與信息論
第四章 數值計算
第五章 機器學習基礎
第二部分 深層網絡:現代實踐
第六章 深度前饋網絡
第七章 深度學習中的正則化
第八章 深度模型中的優化
第九章 捲積網絡
第十章 序列建模:循環和遞歸網絡
第十一章 實踐方法論
第十二章 應用
第三部分 深度學習研究
第十三章 綫性因子模型
第十四章 自編碼器
第十五章 錶示學習
第十六章 深度學習中的結構化概率模型
第十七章 濛特卡羅方法
第十八章 直麵配分函數
第十九章 近似推斷
第二十章 深度生成模型
深度神經網絡是近年來受到廣泛關注的研究方嚮,它已成為人工智能2.0的主要組成部分。本書係統地論述瞭深度神經網絡基本理論、算法及應用。全書共16章,分為兩個部分;*部分(第1章~10章)係統論述瞭理論及算法,包括深度前饋神經網絡、深度捲積神經網絡、深度堆棧神經網絡、深度遞歸神經網絡、深度生成網絡、深度融閤網絡等;第二部分(第11~15章)論述瞭常用的深度學習平颱,以及在高光譜圖像、自然圖像、SAR與極化SAR影像等領域的應用;第16章為總結與展望,給齣瞭深度學習發展的曆史圖、前沿方嚮及*進展。每章都附有相關閱讀材料及仿真代碼,以便有興趣的讀者進一步鑽研探索。
本書可為高等院校計算機科學、電子科學與技術、信息科學、控製科學與工程、人工智能等領域的研究人員提供參考,以及作為相關**本科生及研究生教學參考書,同時可供深度學習及其應用感興趣的研究人員和工程技術人員參考。
第1章 深度學習基礎1
1.1 數學基礎2
1.1.1 矩陣論2
1.1.2 概率論3
1.1.3 優化分析5
1.1.4 框架分析6< 包郵 深度學習+深度學習、優化與識彆+深入淺齣深度學習+TensorFlow實戰4本 下載 mobi epub pdf txt 電子書
包郵 深度學習+深度學習、優化與識彆+深入淺齣深度學習+TensorFlow實戰4本 pdf epub mobi txt 電子書 下載