《深度學習導論》是2020年4月人民郵電出版社出版的圖書，作者是[美]尤金·查爾尼克（Eugene Charniak）。
基本介紹
- 書名：深度學習導論
- 作者：[美]尤金·查爾尼克（Eugene Charniak）
- ISBN：9787115529916
- 頁數：150頁
- 定價：49元
- 出版社：人民郵電出版社
- 出版時間：2020年4月
- 裝幀：平裝
- 開本：小16開
內容簡介,圖書目錄,
內容簡介
《深度學習導論》講述了前饋神經網路、Tensorflow、卷積神經網路、詞嵌入與循環神經網路、序列到序列學習、深度強化學習、無監督神經網路模型等深度學習領域的基本概念和技術，通過一系列的編程任務，向讀者介紹了熱門的人工智慧套用，包括計算機視覺和自然語言處理等。
本書編寫簡明扼要，理論聯繫實踐，每一章都包含習題以及補充閱讀的參考文獻。本書既可作為高校人工智慧課程的教學用書，也可供從業者入門參考。
本書要求讀者熟悉線性代數、多元微積分、機率論與數理統計知識，另外需要讀者了解Python編程。
圖書目錄
第 1章 前饋神經網路 1
1.1 感知機 3
1.2 神經網路的交叉熵損失函式 7
1.3 導數與隨機梯度下降 11
1.4 編寫程式 15
1.5 神經網路的矩陣表示 17
1.6 數據獨立性 19
1.7 參考文獻和補充閱讀 20
1.8 習題 21
第 2章 Tensorflow 23
2.1 預備知識 23
2.2 TF程式 26
2.3 多層神經網路 31
2.4 其他方面 34
2.4.1 檢查點 34
2.4.2 tensordot 35
2.4.3 TF變數的初始化 37
2.4.4 TF圖創建的簡化 39
2.5 參考文獻和補充閱讀 40
2.6 習題 40
第3章 卷積神經網路 43
3.1 濾波器、步長和填充 43
3.2 一個簡單的TF卷積例子 49
3.3 多層卷積 51
3.4 卷積細節 54
3.4.1 偏置 54
3.4.2 卷積層 55
3.4.3 池化運算（pooling） 55
3.5 參考文獻和補充閱讀 56
3.6 習題 57
第4章 詞嵌入與循環神經網路 59
4.1 語言模型的詞嵌入 59
4.2 構建前饋語言模型 63
4.3 改進前饋語言模型 65
4.4 過擬合 66
4.5 循環網路 69
4.6 長短期記憶模型 75
4.7 參考文獻和補充閱讀 78
4.8 習題 78
第5章 序列到序列學習 81
5.1 seq2seq模型 82
5.2 編寫一個seq2seq MT程式 84
5.3 seq2seq中的注意力機制 87
5.4 多長度seq2seq 90
5.5 編程練習 91
5.6 參考文獻和補充閱讀 93
5.7 習題 94
第6章 深度強化學習 97
6.1 值疊代 98
6.2 Q學習 101
6.3 深度Q學習基礎 103
6.4 策略梯度法 106
6.5 行動者-評論家方法 112
6.6 經驗回放 114
6.7 參考文獻和補充閱讀 115
6.8 習題 116
第7章 無監督神經網路模型 119
7.1 基本自編碼 119
7.2 卷積自編碼 122
7.3 變分自編碼 126
7.4 生成式對抗網路 132
7.5 參考文獻和補充閱讀 137
7.6 習題 137
附錄A 部分習題答案 139
附錄B 參考文獻 143
附錄C 索引 147
本書讚譽 151
