人工智能 类型
8.7 豆瓣评分
可以朗读 语音朗读
212千字 字数
2020-05-01 发行日期
展开全部

主编推荐语

深度学习入门，详解核心算法。

内容简介

本书适合初学者快速入门深度学习算法和TensorFlow框架。我们已讲故事的方式向读者一步步地介绍每个核心算法，非常详细地剖析算法原理，手把手实现每个算法实战，不但让读者能够了解算法的工作原理，更重要的是教会读者如何一步步地思考问题并解决问题。具体地，我们会介绍目前深度学习的数学原理，反向传播算法，卷积神经网络，循环神经网络，对抗生产网络，自编码器，神经网络结构搜索，图卷积网络等等一系列前沿核心算法。使读者不仅可以明白原理，还能学以致用。内容讲解细致，没有数学基础的读者也能轻松入门。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 前言
  • 第1章人工智能绪论
  • 1.1　人工智能简介
  • 1.2　神经网络发展简史
  • 1.3　深度学习特点
  • 1.4　深度学习应用
  • 1.5　深度学习框架
  • 1.6　开发环境安装
  • 参考文献
  • 第2章回归问题
  • 2.1　神经元模型
  • 2.2　优化方法
  • 2.3　线性模型实战
  • 2.4　线性回归
  • 参考文献
  • 第3章分类问题
  • 3.1　手写数字图片数据集
  • 3.2　模型构建
  • 3.3　误差计算
  • 3.4　真的解决了吗
  • 3.5　非线性模型
  • 3.6　表达能力
  • 3.7　优化方法
  • 3.8　手写数字图片识别体验
  • 参考文献
  • 第4章TensorFlow基础
  • 4.1　数据类型
  • 4.2　数值精度
  • 4.3　待优化张量
  • 4.4　创建张量
  • 4.5　张量的典型应用
  • 4.6　索引与切片
  • 4.7　维度变换
  • 4.8　Broadcasting
  • 4.9　数学运算
  • 4.10　前向传播实战
  • 第5章TensorFlow进阶
  • 5.1　合并与分割
  • 5.2　数据统计
  • 5.3　张量比较
  • 5.4　填充与复制
  • 5.5　数据限幅
  • 5.6　高级操作
  • 5.7　经典数据集加载
  • 5.8　MNIST测试实战
  • 第6章神经网络
  • 6.1　感知机
  • 6.2　全连接层
  • 6.3　神经网络
  • 6.4　激活函数
  • 6.5　输出层设计
  • 6.6　误差计算
  • 6.7　神经网络类型
  • 6.8　汽车油耗预测实战
  • 参考文献
  • 第7章反向传播算法
  • 7.1　导数与梯度
  • 7.2　导数常见性质
  • 7.3　激活函数导数
  • 7.4　损失函数梯度
  • 7.5　全连接层梯度
  • 7.6　链式法则
  • 7.7　反向传播算法
  • 7.8　Himmelblau函数优化实战
  • 7.9　反向传播算法实战
  • 参考文献
  • 第8章Keras高层接口
  • 8.1　常见功能模块
  • 8.2　模型装配、训练与测试
  • 8.3　模型保存与加载
  • 8.4　自定义网络简介
  • 8.5　模型乐园
  • 8.6　测量工具
  • 8.7　可视化
  • 第9章过拟合
  • 9.1　模型的容量
  • 9.2　欠拟合与过拟合
  • 9.3　数据集划分
  • 9.4　模型设计
  • 9.5　正则化
  • 9.6　Dropout
  • 9.7　数据增强
  • 9.8　过拟合问题实战
  • 参考文献
  • 第10章卷积神经网络
  • 10.1　全连接网络的问题
  • 10.2　卷积神经网络
  • 10.3　卷积层实现
  • 10.4　LeNet-5实战
  • 10.5　表示学习
  • 10.6　梯度传播
  • 10.7　池化层
  • 10.8　BatchNorm层
  • 10.9　经典卷积网络
  • 10.10　CIFAR10与VGG13实战
  • 10.11　卷积层变种
  • 10.12　深度残差网络
  • 10.13　DenseNet
  • 10.14　CIFAR10与ResNet18实战
  • 参考文献
  • 第11章循环神经网络
  • 11.1　序列表示方法
  • 11.2　循环神经网络
  • 11.3　梯度传播
  • 11.4　RNN层使用方法
  • 11.5　RNN情感分类问题实战
  • 11.6　梯度弥散和梯度爆炸
  • 11.7　RNN短时记忆
  • 11.8　LSTM原理
  • 11.9　LSTM层使用方法
  • 11.10　GRU简介
  • 11.11　LSTM/GRU情感分类问题再战
  • 11.12　预训练的词向量
  • 参考文献
  • 第12章自编码器
  • 12.1　自编码器原理
  • 12.2　FashionMNIST图片重建实战
  • 12.3　自编码器变种
  • 12.4　变分自编码器
  • 12.5　VAE图片生成实战
  • 参考文献
  • 第13章生成对抗网络
  • 13.1　博弈学习实例
  • 13.2　GAN原理
  • 13.3　DCGAN实战
  • 13.4　GAN变种
  • 13.5　纳什均衡
  • 13.6　GAN训练难题
  • 13.7　WGAN原理
  • 13.8　WGAN-GP实战
  • 参考文献
  • 第14章强化学习
  • 14.1　先睹为快
  • 14.2　强化学习问题
  • 14.3　策略梯度方法
  • 14.4　值函数方法
  • 14.5　Actor-Critic方法
  • 参考文献
  • 第15章自定义数据集
  • 15.1　精灵宝可梦数据集
  • 15.2　自定义数据集加载
  • 15.3　宝可梦数据集实战
  • 15.4　迁移学习
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。