人工智能 类型
可以朗读 语音朗读
62千字 字数
2019-04-01 发行日期
展开全部

主编推荐语

AI热门关键词：Python、TensorFlow、神经网络和深度学习。

内容简介

Python、TensorFlow、神经网络和深度学习因人工智能的流行而成为当下IT领域的热门关键词。本书首先介绍了Python及其常用库Numpy、Matplotlib和Scipy的基本使用方法；其次介绍了TensorFlow的基本知识及使用方法；然后介绍了神经网络的基础知识以及神经网络基本应用——感知机、线性回归与逻辑回归的理论与实现；最后介绍了两种热门的深度神经网络——卷积神经网络和循环神经网络的理论与实现。本书内容由浅入深，循序渐进，实践性强，包含丰富的仿真实例。

目录

  • 封面
  • 版权页
  • 前言
  • 目录
  • 第1章 绪论
  • 1.1 人工智能
  • 1.2 机器学习
  • 1.2.1 监督学习
  • 1.2.2 非监督学习
  • 1.2.3 半监督学习
  • 1.3 深度学习
  • 1.3.1 卷积神经网络
  • 1.3.2 循环神经网络
  • 1.4 实现工具
  • 1.4.1 Python
  • 1.4.2 TensorFlow
  • 第2章 Python基础
  • 2.1 Python简介
  • 2.1.1 概述
  • 2.1.2 Python的特点
  • 2.1.3 Python的版本
  • 2.2 Python的安装
  • 2.2.1 Python官网下载安装
  • 2.2.2 Anaconda的安装
  • 2.3 Spyder编辑器
  • 2.3.1 Spyder界面
  • 2.3.2 Spyder快捷键
  • 2.4 Python基础知识
  • 2.4.1 基本语法
  • 2.4.2 基本数据类型和运算
  • 2.4.3 列表、元组和字符串
  • 2.4.4 字典和集合
  • 2.4.5 分支和循环
  • 2.4.6 函数和类
  • 2.4.7 模块
  • 第3章 Python基础库
  • 3.1 Numpy库
  • 3.1.1 创建数组
  • 3.1.2 ndarray类
  • 3.1.3 数组操作
  • 3.1.4 形状操作
  • 3.2 Matplotlib库
  • 3.2.1 快速绘图
  • 3.2.2 绘制多轴图
  • 3.2.3 绘制3D图
  • 3.3 Scipy库
  • 3.3.1 scipy.io
  • 3.3.2 scipy.linalg
  • 3.3.3 scipy.fftpack
  • 3.3.4 scipy.optimize
  • 3.3.5 scipy.interpolate
  • 3.3.6 scipy.stats
  • 第4章 TensorFlow基础
  • 4.1 概述
  • 4.2 TensorFlow的安装
  • 4.3 TensorFlow基本概念
  • 4.3.1 Graph和Session
  • 4.3.2 placeholder
  • 4.3.3 tensor
  • 4.3.4 Variable
  • 4.3.5 fetch和feed
  • 4.4 MNIST
  • 4.4.1 MNIST简介
  • 4.4.2 MNIST解析
  • 第5章 神经网络基础
  • 5.1 神经网络概述
  • 5.1.1 神经网络常用术语
  • 5.1.2 神经网络模型
  • 5.1.3 神经网络的运作
  • 5.1.4 神经网络算法的特点
  • 5.2 神经元模型
  • 5.3 激活函数
  • 5.3.1 sigmoid函数
  • 5.3.2 tanh函数
  • 5.3.3 ReLU函数
  • 5.3.4 softmax函数
  • 5.4 损失函数
  • 5.4.1 均方差函数
  • 5.4.2 交叉熵函数
  • 5.5 梯度下降算法
  • 5.5.1 梯度下降算法推导
  • 5.5.2 梯度下降算法种类
  • 5.6 BP算法
  • 5.6.1 BP网络简介
  • 5.6.2 BP算法流程
  • 5.7 仿真实例
  • 第6章 神经网络基础应用
  • 6.1 感知机
  • 6.1.1 感知机网络结构
  • 6.1.2 感知机学习规则
  • 6.1.3 感知机网络训练
  • 6.1.4 仿真实例
  • 6.2 线性回归
  • 6.2.1 线性回归理论
  • 6.2.2 仿真实例
  • 6.3 逻辑回归
  • 6.3.1 逻辑回归理论
  • 6.3.2 仿真实例
  • 第7章 卷积神经网络
  • 7.1 概述
  • 7.2 卷积神经网络结构
  • 7.2.1 卷积层
  • 7.2.2 池化层
  • 7.2.3 全连接层
  • 7.2.4 Dropout 层
  • 7.3 训练过程
  • 7.4 卷积神经网络经典模型
  • 7.4.1 LeNet-5模型
  • 7.4.2 AlexNet模型
  • 7.5 仿真实例
  • 第8章 循环神经网络
  • 8.1 循环神经网络概述
  • 8.1.1 循环神经网络结构
  • 8.1.2 循环神经网络前向传播
  • 8.1.3 循环神经网络训练算法
  • 8.2 长短时记忆（LSTM）网络
  • 8.2.1 LSTM网络结构
  • 8.2.2 LSTM前向计算
  • 8.2.3 LSTM网络训练算法
  • 8.2.4 LSTM网络程序实现
  • 8.3 循环神经网络的变种
  • 8.3.1 双向循环神经网络
  • 8.3.2 深层循环神经网络
  • 8.4 仿真实例
  • 附录A Python主要函数
  • 附录B TensorFlow主要函数
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。