深度學習技術基礎與實踐 呂建成段磊張衛華桑永勝耿天玉 9787040585957 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202301*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習技術基礎與實踐
ISBN：9787040585957
出版社：高等教育
著編譯者：呂建成段磊張衛華桑永勝耿天玉
頁數：241
所在地：中國大陸 *此為代購商品
書號：1514186
可大量預訂，請先連絡。

內容簡介

本書是新一代人工智能實踐系列教材之一，從基礎理論、平台框架、網路模型和模型優化4個方面重點闡述深度學習技術的基礎與實踐。本書分為4篇8章內容，包括深度學習概述、深度學習原理、深度學習框架、MindSpore實踐、卷積神經網絡、序列數據建模、模型優化與強化學習實戰。 本書可作為人工智能專業、智能科學與技術專業以及計算機類相關專業的本科生及研究生學習深度學習技術的教材，同時也適用於經濟、管理等商科專業需要數據計算的學生，以及希望通過自學認證深度學習工程師的人員。

作者簡介

呂建成，博士，教授，四川大學計算機學院（軟體學院）院長，國家傑出青年基金獲得者，國務院特殊津貼專家，國務院第八屆學科評議組成員。2015年至今擔任/EEE TNNLS編委（AE）。主要研究領域：神經網絡基礎理論、自然語言處理、工業智能化、智慧醫學、智慧文創等。研究成果在/EEE TNN，/EEETFS，/EEE TEC，IEEE TSMC，IEEE TNNLS，IEEE TSP，IEEE TETCI等期刊和NeurIPS，ICML，ACL，AAA，IJCAI，CVPR，IJCNN等重要國際會議上發表，出版英文專著Subspace Learning of Neural Networks。2019年獲得國家自然科學二等獎，2012年獲得教育部自然科學一等獎，2011年獲得四川省科技進步一等獎，2007年獲CCF優秀博士論文獎。

目錄

基礎理論篇
第1章 深度學習概述
1 1 深度學習基本概念
1 1 1 深度學習與機器學習
1 1 2 深度學習分類
1 2 深度學習的發展歷史
1 2 1 機器學習的發展史
1 2 2 神經網絡的發展史
1 2 3 深度學習的發展史
1 3 深度學習的應用
1 3 1 深度學習在圖像中的應用
1 3 2 深度學習在文本中的應用
1 3 3 深度學習在音頻中的應用
小結
習題
第2章 深度學習原理
2 1 生物學啟示
2 2 深度學習的網路模型
2 2 1 前饋神經網絡
2 2 2 循環神經網絡
2 2 3 神經網絡結構設計
2 3 學習目標
2 3 1 代價函數
2 3 2 輸出表示
2 4 學習演算法
2 4 1 Hebb學習規則
2 4 2 反向傳播演算法
2 4 3 時間步上的反向傳播
2 4 4 深度學習的泛化能力
2 5 深度學習技術示例1：解決XOR問題
2 5 1 什麼是異或問題
2 5 2 解決異或問題的神經網絡結構
2 5 3 得到異或問題的解
2 6 深度學習技術示例2：解決序列數據分類問題
小結
習題
平台框架篇
第3章 深度學習框架
3 1 MindSpore的驅動前提
3 2 MindSpore介紹
3 2 1 框架簡介
3 2 2 環境安裝與配置
3 2 3 MindSpore實現簡單神經網絡
3 3 TensorFlow介紹
3 3 1 框架簡介
3 3 2 環境搭建
3 4 PyTorch介紹
3 4 1 框架簡介
3 4 2 環境搭建
3 5 如何選擇好的框架
小結
習題
第4章 MindSpore實踐
4 1 概述
4 2 數據
4 2 1 張量
4 2 2 數據集
4 3 模型模塊
4 3 1 卷積層
4 3 2 激活函數
4 3 3 池化層
4 3 4 全連接層
4 3 5 平坦層
4 3 6 自定義網路
4 4 數據歸化
4 5 損失函數
4 6 優化器
4 7 訓練
4 8 模型的保存與載入
4 9 鶯尾花實驗
小結
習題
網路模型篇
第5章 卷積神經網絡
5 1 概述
5 1 1 發展歷程
5 1 2 基本架構
5 1 3 重要組件
5 2 從頭開始訓練個卷積神經網絡
5 2 1 數據下載與處理
5 2 2 構建網路
5 2 3 模型訓練與測試
5 2 4 數據增強與Dropout
5 3 使用預訓練的卷積神經網絡
5 3 1 特徵提取
5 3 2 模型微調
5 4 卷積神經網絡的可視化
5 4 1 可視化中間激活
5 4 2 可視化卷積神經網絡的過濾器
5 4 3 可視化類激活的熱力圖
5 5 自編碼器
5 5 1 自編碼器的特點
5 5 2 自編碼器的降噪作用
5 5 3 變分自編碼器
小結
習題
第6章 序列數據建模
6 1 概述
6 2 基本結構
6 3 經典模型
6 3 1 簡單循環神經網絡
6 3 2 深度循環神經網絡
6 3 3 長短期記憶網路
6 4 編程實戰
6 4 1 利用MindSpore構建RNN模型實現單詞分類任務
6 4 2 基於MindSpore的LSTM-IMDB情感分類分享體驗
小結
習題
模型優化篇
第7章 模型優化
7 1 模型壓縮
7 1 1 剪枝
7 1 2 低秩分解
7 1 3 模型量化
7 1 4 權值共享
7 1 5 知識蒸餾
7 2 超參數搜索方法
7 2 1 網格搜索
7 2 2 隨機搜索
7 2 3 啟髮式搜索
7 3 編程實戰
7 3 1 模型量化實驗
7 3 2 參數搜索實驗
小結
習題
第8章 強化學習實戰
8 1 概述
8 2 基礎知識
8 3 經典模型
8 3 1 Q-leaming
8 3 2 DeepQNetwork
8 3 3 PolicyGradient
8 3 4 Actor-Critic
8 4 MindSpore實戰
8 4 1 環境配置
8 4 2 演算法流程
小結
習題
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。