深度學習 李侃 孫新 9787111771616 【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：202412*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
ISBN：9787111771616
出版社：機械工業
著編譯者：李侃 孫新
頁數：244
所在地：中國大陸 *此為代購商品
書號：1710922
可大量預訂，請先連絡。

內容簡介

本書是一本體系完整、算法和案例豐富的人工智能類教材。本書系統地講解深度學習的理論與方法，主要內容包括緒論、深度學習基礎、卷積神經網絡、循環神經網絡、深度序列模型、深度生成網絡、圖神經網絡、注意力機制、深度強化學習、深度遷移學習、無監督深度學習。本書通過豐富的實例講解方法的應用；強調深度學習的系統性、方法的時效性，同時針對深度學習快速發展的特點，講解深度學習的最新技術，本書配備了實例的數字化資源，供學習者下載。 本書既可以作為國內各高等學校、科研院所本科生、研究生的教材，也可以供國內外從事深度學習的研究人員和工程人員使用。

目錄

序
前言
第1章 緒論
1 1 深度學習簡介
1 2 深度學習的發展歷史
1 2 1 深度學習技術的發展歷史
1 2 2 深度學習產業應用的變遷史
1 3 深度學習的分類
1 3 1 任務類型
1 3 2 模型類型
1 4 度量指標
1 4 1 回歸任務指標
1 4 2 分類任務指標
1 4 3 生成任務指標
本章小結
思考題與習題
參考文獻
第2章 深度學習基礎
2 1 線性代數
2 1 1 標量和向量
2 1 2 矩陣和張量
2 1 3 矩陣計算
2 1 4 范數
2 2 微積分
2 2 1 導數和微分
2 2 2 偏導數和梯度
2 2 3 鏈式法則
2 3 概率論
2 3 1 概率分佈
2 3 2 期望和方差
2 3 3 條件概率和聯合概率
2 3 4 全概率公式與貝葉斯定理
2 3 5 邊緣概率分佈
2 4 距離與相似度計算
2 4 1 常見的距離計算
2 4 2 常見的相似度計算
2 5 激活函數
2 6 感知機與多層感知機
2 6 1 感知機
2 6 2 多層感知機
2 7 反向傳播算法
本章小結
思考題與習題
參考文獻
第3章 卷積神經網絡
3 1 簡介
3 1 1 基本概念
3 1 2 發展歷程
3 2 基礎模塊
3 2 1 端到端架構
3 2 2 輸入層
3 2 3 卷積層
3 2 4 池化層
3 2 5 激活層
3 2 6 全連接層
3 2 7 目標函數
3 3 典型卷積神經網絡
3 3 1 LeNet-5
3 3 2 AlexNet
3 3 3 VGGNet
3 3 4 GoogLeNet
3 3 5 ResNet
3 3 6 R-CNN系列
3 3 7 YOLO系列
3 3 8 MobileNet
3 3 9 Conformer
3 4 各種卷積
3 4 12 D卷積
3 4 23 D卷積
3 4 31 ×1卷積
3 4 4 空間可分離卷積
3 4 5 深度可分離卷積
3 4 6 分組卷積
3 4 7 擴張卷積
3 5 卷積神經網絡實例
3 5 1 實例背景
3 5 2 數據準備
3 5 3 模型構建與訓練
3 5 4 模型評估與調整
本章小結
思考題與習題
參考文獻
第4章 循環神經網絡
4 1 循環神經網絡的結構
4 2 循環神經網絡的訓練
4 2 1 損失函數
4 2 2 時間反向傳播算法
4 2 3 梯度消失與梯度爆炸
4 3 雙向循環神經網絡與深度循環神經網絡
4 4 長短期記憶網絡
4 4 1 LSTM記憶單元
4 4 2 LSTM記憶方式
4 5 門控循環單元
4 6 遞歸神經網絡
4 7 雙向長短期記憶網絡與雙向門控循環單元
4 8 應用實例
4 8 1 實例背景
4 8 2 基本流程
本章小結
思考題與習題
參考文獻
第5章 深度序列模型
5 1 深度序列模型概述
5 1 1 深度序列模型結構
5 1 2 序列生成模型解決的問題
5 2 編碼器-解碼器架構
5 3 序列到序列模型
5 4 融入注意力機制的序列到序列模型
5 5 Transformer架構
5 5 1 Transformer的輸入
5 5 2 Transformer編碼器
5 5 3 Transformer解碼器
5 6 Transformer變體
5 6 1 Transformer的模塊變體
5 6 2 Transformer的應用變體
5 7 深度序列模型實例
5 7 1 實例背景
5 7 2 數據準備
5 7 3 模型構建
5 7 4 模型訓練與應用
本章小結
思考題與習題
參考文獻
第6章 深度生成網絡
6 1 深度生成模型簡介
6 2 基於玻爾茲曼機的方法
6 2 1 受限玻爾茲曼機
6 2 2 深度置信網絡
6 2 3 深度玻爾茲曼機
6 3 基於變分自動編碼器的方法
6 3 1 VAE模型的基本原理
6 3 2 幾種重要的VAE結構
6 4 基於生成對抗網絡的方法
6 4 1 生成對抗網絡的基本原理
6 4 2 生成對抗網絡的穩定性研究
6 4 3 生成對抗網絡的結構發展
6 5 基於流模型的方法
6 5 1 流模型的基本原理
6 5 2 常規流
6 5 3 流模型的衍生結構
6 6 基於擴散模型的方法
6 6 1 擴散模型的基本原理
6 6 2 條件擴散模型的技術方案
6 7 基於自回歸網絡的方法
6 7 1 自回歸網絡的基本原理
6 7 2 自回歸網絡的衍生結構
6 8 大語言模型
6 8 1 模型架構
6 8 2 常用大模型
6 8 3 預訓練大語言模型的優化技巧
6 9 深度生成模型實例
本章小結
思考題與習題
參考文獻
第7章 圖神經網絡
7 1 圖神經網絡概述
7 1 1 圖神經網絡的發展起源
7 1 2 圖神經網絡的設計
7 1 3 圖神經網絡計算模塊
7 2 圖卷積神經網絡
7 2 1 基於譜的方法
7 2 2 基於空間的方法
7 3 圖循環網絡
7 3 1 基於門控循環單元的方法
7 3 2 基於長短期記憶網絡的方法
7 4 圖注意力網絡
7 4 1 基於自注意力的方法
7 4 2 基於層注意力的方法
7 5 圖神經網絡實例
7 5 1 實例背景
7 5 2
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。