人工智能 类型
可以朗读 语音朗读
382千字 字数
2019-05-01 发行日期
展开全部

主编推荐语

深度学习核心知识与实现：机器学习、神经网络、TensorFlow框架。

内容简介

本书包括两部分内容。一是当前学术界和工业界的深度学习核心知识，包括机器学习概论、神经网络和深度学习。二是深度学习的实现以及深度学习框架TensorFlow,包括Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlow案例和Seq2Seq+attention模型及其应用案例。

目录

  • 封面
  • 扉页
  • 版权信息
  • 目录
  • 内容提要
  • 前言
  • 第1章 绪论
  • 1.1 引言
  • 1.2 深度学习的发展历程
  • 1.3 Tensor Flow应用现状
  • 习题
  • 第2章 机器学习概论
  • 2.1 机器学习相关的数学知识
  • 2.1.1 微积分
  • 2.1.2 线性代数
  • 2.1.3 概率论
  • 2.2 机器学习方法
  • 2.2.1 监督学习
  • 2.2.2 无监督学习
  • 2.2.3 半监督学习
  • 2.2.4 强化学习
  • 2.3 数据的预处理方法
  • 习题
  • 第3章 神经网络
  • 3.1 神经网络基础知识
  • 3.1.1 MP模型
  • 3.1.2 感知机
  • 3.1.3 三层感知机
  • 3.2 神经网络模型
  • 3.2.1 径向基函数网络
  • 3.2.2 Hopfield神经网络
  • 3.2.3 Elman神经网络
  • 3.2.4 玻尔兹曼机
  • 3.2.5 自动编码器
  • 3.2.6 生成对抗网络
  • 习题
  • 第4章 深度学习
  • 4.1 多层感知机神经网络
  • 4.2 激活函数、损失函数和过拟合
  • 4.2.1 激活函数
  • 4.2.2 损失函数（代价函数）
  • 4.2.3 防止过拟合
  • 4.3 卷积神经网络
  • 4.3.1 卷积神经网络原理
  • 4.3.2 *卷积神经网络BP算法的数学推导
  • 4.4 循环神经网络
  • 4.4.1 循环神经网络模型原理
  • 4.4.2 *BPTT算法
  • 4.4.3 双向循环神经网络
  • 4.4.4 深度循环神经网络
  • 4.4.5 长短时记忆网络
  • 4.4.6 门控循环单元网络
  • 4.5 深度置信网络
  • 4.5.1 RBM原理
  • 4.5.2 RBM求解算法
  • 4.5.3 对比散度算法
  • 4.5.4 *公式推导
  • 4.5.5 深度置信网络训练
  • 4.6 深度学习框架
  • 4.6.1 Tensor Flow
  • 4.6.2 Caffe
  • 4.6.3 Theano
  • 4.6.4 Keras
  • 习题
  • 第5章 Python编程基础
  • 5.1 Python环境搭建
  • 5.1.1 Python安装
  • 5.1.2 Jupyter Notebook编程器安装使用
  • 5.2 Python编程基础知识
  • 5.2.1 Python标识符
  • 5.2.2 Python标准数据类型
  • 5.2.3 Python语句
  • 5.2.4 Python运算符
  • 5.2.5 代码组
  • 5.2.6 Python流程控制
  • 5.2.7 Python函数
  • 5.2.8 Python模块
  • 5.2.9 Python类
  • 5.2.10 命名空间和作用域
  • 5.3 Python标准库
  • 5.4 Python机器学习库
  • 5.4.1 Num Py
  • 5.4.2 Sci Py
  • 5.4.3 pandas
  • 5.4.4 scikit-learn
  • 习题
  • 第6章 Tensor Flow编程基础
  • 6.1 Tensor Flow的发展历程与演进
  • 6.2 Tensor Flow的搭建配置
  • 6.2.1 在Windows系统环境下安装Tensor Flow
  • 6.2.2 在Mac OS系统环境下安装Tensor Flow
  • 6.2.3 在Linux系统环境下安装Tensor Flow
  • 6.3 Tensor Flow编程基础知识
  • 6.3.1 张量
  • 6.3.2 符号式编程
  • 6.3.3 变量和常量
  • 6.3.4 会话
  • 6.3.5 占位符、获取和馈送
  • 6.3.6 Variable类
  • 6.3.7 常量、序列以及随机值
  • 6.3.8 执行图
  • 6.3.9 操作运算
  • 6.3.10 基本数学函数
  • 6.3.11 矩阵数学函数
  • 6.3.12 张量数学函数
  • 6.3.13 张量Reduction操作
  • 6.3.14 累加和累积
  • 6.3.15 张量拆分操作
  • 6.3.16 序列比较与索引
  • 6.3.17 张量数据类型转换
  • 6.3.18 Tensor Flow张量形状的确定与改变
  • 6.4 Tensor Flow系统架构及源码结构
  • 6.5 Eager Execution
  • 6.6 Tensor Flow示例代码
  • 6.6.1 简单回归拟合
  • 6.6.2 波士顿房价预测
  • 习题
  • 第7章 Tensor Flow模型
  • 7.1 Tensor Flow模型编程模式
  • 7.1.1 tf.nn模块
  • 7.1.2 tf.layers模块
  • 7.1.3 tf.estimator模块
  • 7.1.4 tf.keras模块
  • 7.2 读取数据
  • 7.2.1 载入数据
  • 7.2.2 创建迭代器
  • 7.2.3 使用dataset数据
  • 7.3 Tensor Flow模型搭建
  • 7.4 Tensor Flow模型训练
  • 7.4.1 损失函数——tf.losses模块
  • 7.4.2 优化器——tf.train模块
  • 7.4.3 训练示例
  • 7.5 Tensor Flow评估
  • 7.5.1 评价指标
  • 7.5.2 评估函数——tf.metrics模块
  • 7.6 Tensor Flow模型载入、保存及调用
  • 7.7 可视化分析和评估模型
  • 7.7.1 tf.summary模块
  • 7.7.2 Tensor Board可视化评估工具
  • 7.7.3 Tensor Board使用案例
  • 7.8 示例——鸢尾花分类
  • 习题
  • 第8章 Tensor Flow编程实践
  • 8.1 MNIST手写数字识别
  • 8.1.1 使用tf.nn模块实现MNIST手写数字识别
  • 8.1.2 使用tf.estimator模块实现MNIST手写数字识别
  • 8.2 Fashion MNIST
  • 8.2.1 Keras序列模型
  • 8.2.2 Fashion MNIST代码
  • 8.3 RNN简笔画识别
  • 习题
  • 第9章 Tensor Flow Lite和Tensor Flow.js
  • 9.1 Tensor Flow Lite
  • 9.1.1 转化训练好的模型为.tflite文件
  • 9.1.2 编写自定义操作代码
  • 9.1.3 在Tensor Flow Lite的移动端进行安卓开发
  • 9.1.4 在Tensor Flow Lite的移动端进行i OS开发
  • 9.2 Tensor Flow.js
  • 9.2.1 Tensor Flow.js Java Script库引入
  • 9.2.2 Tensor Flow.js基础知识
  • 9.2.3 Tensor Flow.js示例
  • 习题
  • 第10章 Tensor Flow案例——医学应用
  • 10.1 开源医学图像分析平台DLTK的安装运行
  • 10.2 开源医学图像分析平台DLTK的使用
  • 10.3 开源医学图像分析平台DLTK案例
  • 10.4 开源医学图像分析平台DLTK模型
  • 习题
  • 第11章 Seq2Seq+attention模型及其应用案例
  • 11.1 Seq2Seq和attention模型
  • 11.2 Tensor Flow自动文本摘要生成
  • 11.2.1 Text Sum安装运行
  • 11.2.2 Text Sum整体结构
  • 11.3 聊天机器人
  • 11.3.1 Deep QA
  • 11.3.2 Stanford Tensor Flow Chatbot
  • 习题
展开全部

评分及书评

评分不足
1个评分

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。