人工智能
类型
可以朗读
语音朗读
186千字
字数
2020-01-01
发行日期
展开全部
主编推荐语
深度学习在R语言中的应用：掌握mxnet&tensorflow，实例讲解，CPU/GPU设置。
内容简介
深度学习在R语言中的实际应用受到越来越多的数据挖掘和统计分析人士的关注。本书旨在帮助他们掌握复杂的R深度学习包，如mxnet&tensorflow；使用文本、语音、图像等实际的例子掌握深度学习在实际中的应用；以及使用CPU和GPU设置深度学习模型。
目录
- 版权信息
- 版权
- 版权声明
- 内容提要
- 前言
- 关于作者
- 关于译者
- 关于英文版审稿人
- 关于中文版审稿人
- 资源与支持
- 第1章 入门
- 1.1 介绍
- 1.2 安装R及其IDE
- 1.2.1 准备
- 1.2.2 怎么做
- 1.3 安装Jupyter Notebook应用
- 1.3.1 怎么做
- 1.3.2 更多内容
- 1.4 从R机器学习基础开始
- 1.4.1 怎么做
- 1.4.2 工作原理
- 1.5 在R中安装深度学习的工具/包
- 1.6 在R中安装MXNet
- 1.6.1 做好准备
- 1.6.2 怎么做
- 1.7 在R中安装TensorFlow
- 1.7.1 做好准备
- 1.7.2 怎么做
- 1.7.3 工作原理
- 1.8 在R中安装H2O
- 1.8.1 做好准备
- 1.8.2 怎么做
- 1.8.3 工作原理
- 1.8.4 更多内容
- 1.9 使用Docker一次安装3个包
- 1.9.1 做好准备
- 1.9.2 怎么做
- 1.9.3 更多内容
- 第2章 R深度学习
- 2.1 始于逻辑回归
- 2.1.1 做好准备
- 2.1.2 怎么做
- 2.2 介绍数据集
- 2.2.1 做好准备
- 2.2.2 怎么做
- 2.3 使用H2O执行逻辑回归
- 2.3.1 做好准备
- 2.3.2 怎么做
- 2.3.3 工作原理
- 2.4 使用TensorFlow执行逻辑回归
- 2.4.1 做好准备
- 2.4.2 怎么做
- 2.4.3 工作原理
- 2.5 可视化TensorFlow图
- 2.5.1 做好准备
- 2.5.2 怎么做
- 2.5.3 工作原理
- 2.6 从多层感知器开始
- 2.6.1 做好准备
- 2.6.2 怎么做
- 2.6.3 更多内容
- 2.7 使用H2O建立神经网络
- 2.7.1 做好准备
- 2.7.2 怎么做
- 2.7.3 工作原理
- 2.8 使用H2O中的网格搜索调整超参数
- 2.8.1 做好准备
- 2.8.2 怎么做
- 2.8.3 工作原理
- 2.9 使用MXNet建立神经网络
- 2.9.1 做好准备
- 2.9.2 怎么做
- 2.9.3 工作原理
- 2.10 使用TensorFlow建立神经网络
- 2.10.1 做好准备
- 2.10.2 怎么做
- 2.10.3 工作原理
- 2.10.4 更多内容
- 第3章 卷积神经网络
- 3.1 介绍
- 3.2 下载并配置图像数据集
- 3.2.1 做好准备
- 3.2.2 怎么做
- 3.2.3 工作原理
- 3.3 学习CNN分类器的架构
- 3.3.1 做好准备
- 3.3.2 怎么做
- 3.3.3 工作原理
- 3.4 使用函数初始化权重和偏差
- 3.4.1 做好准备
- 3.4.2 怎么做
- 3.4.3 工作原理
- 3.5 使用函数创建一个新的卷积层
- 3.5.1 做好准备
- 3.5.2 怎么做
- 3.5.3 工作原理
- 3.6 使用函数创建一个扁平化的卷积层
- 3.6.1 做好准备
- 3.6.2 怎么做
- 3.6.3 工作原理
- 3.7 使用函数扁平化密集连接层
- 3.7.1 做好准备
- 3.7.2 怎么做
- 3.7.3 工作原理
- 3.8 定义占位符变量
- 3.8.1 做好准备
- 3.8.2 怎么做
- 3.8.3 工作原理
- 3.9 创建第一个卷积层
- 3.9.1 做好准备
- 3.9.2 怎么做
- 3.9.3 工作原理
- 3.10 创建第二个卷积层
- 3.10.1 做好准备
- 3.10.2 怎么做
- 3.10.3 工作原理
- 3.11 扁平化第二个卷积层
- 3.11.1 做好准备
- 3.11.2 怎么做
- 3.11.3 工作原理
- 3.12 创建第一个完全连接的层
- 3.12.1 做好准备
- 3.12.2 怎么做
- 3.12.3 工作原理
- 3.13 将dropout应用于第一个完全连接的层
- 3.13.1 做好准备
- 3.13.2 怎么做
- 3.13.3 工作原理
- 3.14 创建第二个带有dropout的完全连接层
- 3.14.1 做好准备
- 3.14.2 怎么做
- 3.14.3 工作原理
- 3.15 应用Softmax激活以获得预测的类
- 3.15.1 做好准备
- 3.15.2 怎么做
- 3.16 定义用于优化的成本函数
- 3.16.1 做好准备
- 3.16.2 怎么做
- 3.16.3 工作原理
- 3.17 执行梯度下降成本优化
- 3.17.1 做好准备
- 3.17.2 怎么做
- 3.18 在TensorFlow会话中执行图
- 3.18.1 做好准备
- 3.18.2 怎么做
- 3.18.3 工作原理
- 3.19 评估测试数据的性能
- 3.19.1 做好准备
- 3.19.2 怎么做
- 3.19.3 工作原理
- 第4章 使用自动编码器的数据表示
- 4.1 介绍
- 4.2 构建自动编码器
- 4.2.1 做好准备
- 4.2.2 怎么做
- 4.3 数据归一化
- 4.3.1 做好准备
- 4.3.2 怎么做
- 4.4 构建正则自动编码器
- 4.4.1 做好准备
- 4.4.2 怎么做
- 4.4.3 工作原理
- 4.5 微调自动编码器的参数
- 4.6 构建栈式自动编码器
- 4.6.1 做好准备
- 4.6.2 怎么做
- 4.7 构建降噪自动编码器
- 4.7.1 做好准备
- 4.7.2 怎么做
- 4.7.3 工作原理
- 4.8 构建并比较随机编码器和解码器
- 4.8.1 做好准备
- 4.8.2 怎么做
- 4.9 从自动编码器学习流形
- 4.10 评估稀疏分解
- 4.10.1 做好准备
- 4.10.2 怎么做
- 4.10.3 工作原理
- 第5章 深度学习中的生成模型
- 5.1 比较主成分分析和受限玻尔兹曼机
- 5.1.1 做好准备
- 5.1.2 怎么做
- 5.2 为伯努利分布输入配置受限玻尔兹曼机
- 5.2.1 做好准备
- 5.2.2 怎么做
- 5.3 训练受限玻尔兹曼机
- 5.3.1 做好准备
- 5.3.2 怎么做
- 5.4 RBM的反向或重构阶段
- 5.4.1 做好准备
- 5.4.2 怎么做
- 5.5 了解重构的对比散度
- 5.5.1 做好准备
- 5.5.2 怎么做
- 5.5.3 工作原理
- 5.6 初始化并启动一个新的TensorFlow会话
- 5.6.1 做好准备
- 5.6.2 怎么做
- 5.6.3 工作原理
- 5.7 评估RBM的输出
- 5.7.1 做好准备
- 5.7.2 怎么做
- 5.7.3 工作原理
- 5.8 为协同过滤构建一个受限玻尔兹曼机
- 5.8.1 做好准备
- 5.8.2 怎么做
- 5.9 执行一个完整的RBM训练
- 5.9.1 做好准备
- 5.9.2 怎么做
- 5.10 构建深度信念网络
- 5.10.1 做好准备
- 5.10.2 怎么做
- 5.10.3 工作原理
- 5.11 实现前馈反向传播神经网络
- 5.11.1 做好准备
- 5.11.2 怎么做
- 5.11.3 工作原理
- 5.12 建立一个深度受限玻尔兹曼机
- 5.12.1 做好准备
- 5.12.2 怎么做
- 5.12.3 工作原理
- 第6章 循环神经网络
- 6.1 建立一个基本的循环神经网络
- 6.1.1 做好准备
- 6.1.2 怎么做
- 6.1.3 工作原理
- 6.2 建立一个双向RNN模型
- 6.2.1 做好准备
- 6.2.2 怎么做
- 6.3 建立一个深度RNN模型
- 怎么做
- 6.4 建立一个基于长短期记忆的序列模型
- 6.4.1 怎么做
- 6.4.2 工作原理
- 第7章 强化学习
- 7.1 介绍
- 7.2 建立马尔可夫决策过程
- 7.2.1 做好准备
- 7.2.2 怎么做
- 7.3 执行基于模型的学习
- 怎么做
- 7.4 进行无模型学习
- 7.4.1 做好准备
- 7.4.2 怎么做
- 第8章 深度学习在文本挖掘中的应用
- 8.1 对文本数据进行预处理并提取情感
- 8.1.1 怎么做
- 8.1.2 工作原理
- 8.2 使用tf-idf分析文档
- 8.2.1 怎么做
- 8.2.2 工作原理
- 8.3 使用LSTM网络执行情感预测
- 8.3.1 怎么做
- 8.3.2 工作原理
- 8.4 使用text2vec示例的应用程序
- 8.4.1 怎么做
- 8.4.2 工作原理
- 第9章 深度学习在信号处理中的应用
- 9.1 介绍并预处理音乐MIDI文件
- 9.1.1 做好准备
- 9.1.2 怎么做
- 9.2 建立RBM模型
- 9.2.1 做好准备
- 9.2.2 怎么做
- 9.3 生成新的音符
- 怎么做
- 第10章 迁移学习
- 10.1 介绍
- 10.2 举例说明预训练模型的使用
- 10.2.1 做好准备
- 10.2.2 怎么做
- 10.3 构建迁移学习模型
- 10.3.1 做好准备
- 10.3.2 怎么做
- 10.4 构建图像分类模型
- 10.4.1 做好准备
- 10.4.2 怎么做
- 10.5 在GPU上训练深度学习模型
- 10.5.1 做好准备
- 10.5.2 怎么做
- 10.6 比较使用CPU和GPU的性能
- 10.6.1 做好准备
- 10.6.2 怎么做
- 10.6.3 更多内容
- 10.6.4 另请参阅
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
