神經網路與深度學習實戰：Python Keras TensorFlow

內容簡介

本書通過理論與項目實踐相結合的方式帶領讀者進入人工智慧技術的大門。書中首先從人工智慧技術的數學基礎講起，然後重點剖析神經網路的運行流程，最後以大量的實際項目編碼實踐方式幫助讀者紮實地掌握人工智慧開發所需要的基本理論知識和核心開發技術。

本書共15章，涵蓋的內容有神經網路初體驗；深度學習的微積分基礎；深度學習的線性代數基礎；神經網路的理論基礎；用Python從零實現識別手寫數字的神經網路；神經網路項目實踐；使用神經網路實現機器視覺識別；用深度學習實現自然語言處理；自動編解碼網路和生成型對抗性網路；增強性學習網路的開發實踐；TensorFlow入門；使用TensorFlow和Keras開發高級自然語言處理系統；使用TensorFlow和Keras實現高級圖像識別處理系統；使用TensorFlow和Keras打造智慧型推薦系統；深度學習重要概念和技巧總結。本書儘可能通過細緻的講解降低讀者入門人工智慧編程的門檻。書中案例豐富，內容非常實用，特別適合有志於投身人工智慧領域的IT專業人士或學生閱讀。閱讀本書需要讀者具有一定的數學基礎。

圖書目錄

第1章神經網路初體驗.... 1

1.1 開發環境的安裝... 1

1.2 快速構建一個識別手寫數字圖片的神經網路... 2

第2章深度學習中的微積分基礎.... 8

2.1 實數中的無理數... 8

2.2 什麼叫極限... 10

2.3 函式的連續性... 12

2.4 函式求導... 13

2.5 導數的一般法則... 15

2.6 間套函式的鏈式求導法則... 17

2.7 多變數函式與偏導數... 19

2.8 導數與極值... 19

2.9 使用導數尋求函式的最小值... 21

第3章深度學習的線性代數基礎.... 25

3.1 常量與向量... 26

3.2 矩陣及相關操作... 26

3.3 tensor——多維向量... 28

3.4 向量範數... 30

第4章神經網路的理論基礎.... 31

4.1 詳解神經網路中的神經元激活函式... 31

4.2 使用矩陣運算驅動神經網路數據加工鏈... 38

4.3 通過反向傳播算法回傳誤差改進鏈路權重... 42

4.4 使用矩陣和梯度下降法實現神經網路的疊代訓練... 45

4.5 手算梯度下降法，詳解神經網路疊代訓練過程... 53

第5章用Python從零實現識別手寫數字的神經網路.... 58

5.1 基本框架的搭建... 58

5.2 實現網路的疊代訓練功能... 62

5.3 網路訓練，識別手寫數字圖片... 64

第6章神經網路項目實踐.... 70

6.1 使用神經網路分析電影評論的正能量和負能量... 70

神經網路與深度學習實戰：Python Keras TensorFlow

基本介紹

內容簡介

圖書目錄

名人推薦

作者簡介

相關詞條

熱門詞條