《深度學習的數學原理與實現》是清華大學出版社出版的一本圖書,作者是王曉華。
基本介紹
- 中文名:深度學習的數學原理與實現
- 作者:王曉華
- 類別:人工智慧
- 出版社:清華大學出版社
- 出版時間:2021年6月
- 開本:16 開
- 裝幀:平裝
- ISBN:9787302580287
《深度學習的數學原理與實現》是清華大學出版社出版的一本圖書,作者是王曉華。
《深度學習的數學原理與實現》是清華大學出版社出版的一本圖書,作者是王曉華。作者簡介王曉華,計算機專業講師,長期講授面向對象程式設計、數據結構、Hadoop程式設計等研究生和本科生相關課程;主要研究方向為雲計算、數據挖掘。...
《深度學習原理與實踐》是2019年10月人民郵電出版社出版的圖書,作者是陳仲銘、彭凌西。內容簡介 本書詳細介紹了目前深度學習相關的常用網路模型(ANN、CNN、RNN),以及不同網路模型的算法原理和核心思想。本書利用大量的實例代碼對網路模型...
本書是深度學習領域的入門教材,闡述了深度學習的知識體系,涵蓋人工智慧的基礎知識以及深度學習的基本原理、模型、方法和實踐案例,使讀者掌握深度學習的相關知識,提高以深度學習方法解決實際問題的能力。全書內容包括人工智慧基礎、機器學習...
同時,《深度學習原理與TensorFlow實踐》著重講解了用於圖像識別的卷積神經網路和用於自然語言處理的循環神經網路的理論知識及其TensorFlow實現方法,並結合實際場景和例子描述了深度學習技術的套用範圍與效果。《深度學習原理與TensorFlow實踐》非常...
本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業界的深度學習核心知識:機器學習概論、神經網路、深度學習。著重講述了深度學習的實現以及深度學習框架TensorFlow:Python 編程基礎、TensorFlow編程基礎、TensorFlow模型、 ...
本書講述了機器學習的基礎知識、深度學習的理論基礎和算法,以及常見套用場景及其Python實現。案例實踐的講解包含:算法分析、項目套用目的與效果、模型構建、數據準備與預處理、模型訓練和預測,以及代碼實現、問題分析和實驗對比。所有示例均...
《深度學習原理與套用》是2021年電子工業出版社出版書 籍,作者是周中元。內容簡介 本書系統性地介紹了深度學習的原理、關鍵技術及相關套用,首先從基本概念、必備的線性代數、微積分、機率統計等數學知識等入手,這些預備知識可幫助讀者更...
《深度學習理論與實踐》是2020年北京郵電大學出版社有限公司出版的圖書。本書系統地介紹了對新一代人工智慧發展起主導作用的深度學習算法的來源、發展現狀、工作機理及數學基礎等。內容簡介 本書系統地介紹了對新一代人工智慧發展起主導作用...
TensorFlow是2015年年底開源的一套深度學習框架,也是最活躍的深度學習框架之一。本書從深度學習的基礎講起,深入TensorFlow的基本框架、原理、原始碼和實現等各個方面,其目的在於降低學習門檻,為讀者解決問題提供詳細的方法和指導。本書主要...
第 11章 深度強化學習算法框架 260 11.1 DDPG算法 261 11.1.1 背景介紹 261 11.1.2 基本概念及算法原理 262 11.1.3 DDPG實現框架及流程 264 11.2 A3C算法 268 11.2.1 背景介紹 269 11.2.2 A3C算法原理 ...
第6章 深度學習原理128 6.1 深度學習數學基礎128 6.1.1 張量128 6.1.2 套用中的數據張量132 6.2 神經網路基礎134 6.2.1 感知器134 6.2.2 線性單元140 6.2.3 線性模型141 6.2.4 目標函式...
《深度學習:卷積神經網路算法原理與套用》是2019年水利水電出版社出版的圖書。圖書目錄 前言 第1章 緒論 1.1 深度學習 1.1.1 概述 1.1.2 基本思想 1.1.3 基本分類 1.2 卷積神經網路技術的發展與套用 1.2.1 卷積...
9.3LSTM實現自然語言建模 9.3.1長短時記憶網路(LSTM)9.3.2LSTM在自然語言建模中的套用 9.3.3循環神經網路的Dropout 9.4循環神經網路的變種 9.4.1雙向循環神經網路 9.4.2深層循環神經網路 第10章深度強化學習 10.1理解基本...
2.1.5 訓練:Excel的實現 50 2.1.6 重要知識:批大小、mini-batch、epoch51 2.2 深度學習框架MXNet:安裝和使用51 2.2.1 計算圖:動態與靜態52 2.2.2 安裝MXNet:準備工作53 2.2.3 在Windows下安裝MXNet54 2.2.4...
向讀者介紹深度學習在計算機視覺、自然語言處理等方面的實際套用,並為讀者呈現最前沿的深度學習研究進展,同時深入剖析技術原理,帶領讀者逐步推導深度學習背後的數學模型,並結合飛槳(PaddlePaddle)深度學習框架實現項目,代碼清晰,易於理解。
4.25 在代碼中實現α66 4.26 記憶背誦67 第5章通用梯度下降:一次學習多個權重69 5.1 多輸入梯度下降學習69 5.2 多輸入梯度下降詳解71 5.3 回顧學習的步驟75 5.4 單項權重凍結:它有什麼作用?77 5.5 具有多個輸出的...
2.3.3神經網路的學習 2.3.4尋找損失函式最小值——梯度下降法 2.3.5誤差反向傳播 2.3.6基於誤差反向傳播的參數更新流程 2.4如何基於神經網路進行分類 2.4.1基於神經網路實現二分類 2.4.2基於神經網路實現多分類 擴展閱讀: ...
《Python深度學習:模型、方法與實現》是機械工業出版社出版圖書。內容簡介 本書集合了基於套用領域的高級深度學習的模型、方法和實現。本書分為四部分。第1部分介紹了深度學習的構建和神經網路背後的數學知識。第二部分討論深度學習在計算機...
第4章基於MATLAB深度學習工具箱的實現與調試 4.1構造一個用於分類的卷積神經網路 4.1.1實例需求 4.1.2開發環境 4.1.3開發步驟 4.1.4常用的構造卷積神經網路的函式 4.1.5構造卷積神經網路 4.1.6程式實現 擴展閱讀: 批量歸一...
《深度學習入門:基於PyTorch和TensorFlow的理論與實現》是一本系統介紹深度學習基礎知識和理論原理的入門書籍。本書從神經網路的基本結構入手,詳細推導了前向傳播與反向傳播的數學公式和理論支持,詳細介紹了如今各種最佳化神經網路的梯度最佳化算法...
第1章介紹神經網路的概況;第2章介紹理解神經網路所需的數學基礎知識;第3章介紹神經網路的最最佳化;第4章介紹神經網路和誤差反向傳播法;第5章介紹深度學習和卷積神經網路。書中使用Excel進行理論驗證,幫助讀者直觀地體驗深度學習的原理。
第5章和第6章詳細講述經典網路結構CNN和RCNN,第7~9章介紹自研深度學習框架,並詳細討論之前忽略的深度學習底層實現上的算法和細節,第10章介紹目前機器學習的前沿無監督學習,第11章主要講解深度學習模型以Web套用形式部署的技術。
第三部分 深度學習算法進階 第8章 自動編碼機 286 8.1 自動編碼機概述 286 8.1.1 自動編碼機原理 287 8.1.2 去噪自動編碼機 287 8.1.3 稀疏自動編碼機 288 8.2 去噪自動編碼機TensorFlow實現 291 8.3 去噪自動編碼...
9.9注意力機制的數學原理 第10章深度學習NLP套用進階 10.1注意力機制的套用指針網路 10.2遞歸神經網路是否是必要的 10.2.1遞歸神經網路存在的問題 10.2.2前饋網路的優勢 10.2.3如何替代遞歸神經網路 10.3Transformer的數學原理 10...