深度學習原理與基於Keras編程方法 董武 9787302691150 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202506*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：深度學習原理與基於Keras編程方法
ISBN：9787302691150
出版社：清華大學
著編譯者：董武
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1741623
可大量預訂，請先連絡。

內容簡介
本書詳細介紹了深度學習的基本理論和基於Keras深度學習框架的編程方法。全書由5章 內容組成。第 1章 介紹了深度學習的基本概況，包括深度學習的基本概念、應用領域和深度學習程序的框架等。第2章 介紹了神經網絡的基本原理，包括神經元模型、激活函數、神經網絡的訓練過程等。第3章 介紹了基於Keras的全連接前饋神經網絡編程方法，包括運行深度學習程序的硬件環境和軟件環境、張量、使用全連接前饋神經網絡處理回歸問題和分類問題的編程方法。第4章 介紹了卷積神經網絡的原理和編程方法，包括卷積計算、池化計算、使用Keras進行卷積神經網絡編程的方法、卷積神經網絡的常用方法、經 典的卷積神經網絡模型和遷移學習方法。第5章 介紹了循環神經網絡的原理和編程方法，包括循環神經網絡的特點、詞語嵌入編碼的原理、長短期記憶模型網絡、門控循環單元網絡、基於Keras對簡單循環神經網絡和長短期記憶模型網絡進行編程的方法。
本書可以作為高等院校智能科學與技術、人工智能、智能製造工程等人工智能類專業的教材，也可以作為人工智能領域技術人員自學或參考的書籍。

目錄

第1章 概述1
1 1深度學習的發展歷史1
1 2深度學習的基本概念4
1 2 1人工智能4
1 2 2機器學習4
1 2 3深度學習7
1 2 4人工智能和機器學習、深度學習之間的關係10
1 3深度學習的應用領域11
1 3 1深度學習在計算機視覺中的應用11
1 3 2深度學習在自然語言處理中的應用14
1 3 3深度學習在語音識別中的應用15
1 3 4深度學習在棋類比賽中的應用15
1 3 5深度學習在遊戲開發中的應用16
1 3 6深度學習在醫療保健中的應用16
1 3 7深度學習在自動駕駛中的應用17
1 3 8深度學習在金融領域中的應用17
1 4深度學習程序的框架18
思考練習25
第2章 神經網絡的基本原理26
2 1神經元模型和神經網絡26
2 1 1人工神經元模型26
2 1 2神經網絡28
2 2激活函數的定義和特點31
2 2 1Sigmoid激活函數32
2 2 2Tanh激活函數33
2 2 3ReLU和Leaky ReLU激活函數34
2 2 4Piecewise Linear激活函數34
2 2 5Softmax激活函數35
2 3神經網絡的訓練過程36
2 3 1樣本數據的預處理方法37
2 3 2網絡參數的初始化方法39
2 3 3前向傳播算法的原理40
2 3 4損失函數的定義41
2 3 5梯度下降方法的原理41
2 3 6反向傳播算法的原理44
2 4神經網絡的過擬合現象和解決辦法47
2 4 1過擬合現象47
2 4 2L1正則化方法和L2正則化方法47
2 4 3丟棄方法48
2 4 4提前停止方法48
思考練習49
第3章 基於Keras的全連接前饋神經網絡編程方法50
3 1運行深度學習程序的硬件環境50
3 1 1運行深度學習程序的硬件類型50
3 1 2使用GPU運行深度學習程序的方法51
3 2運行深度學習程序的軟件環境55
3 2 1Anaconda的使用方法55
3 2 2CUDA Toolkit和cuDNN的安裝方法62
3 2 3TensorFlow庫和Keras庫的安裝方法71
3 2 4使用Jupyter Notebook運行深度學習程序的方法74
3 2 5使用PyCharm運行深度學習程序的方法79
3 2 6使用網站運行深度學習程序的方法83
3 3張量的特點和使用方法84
3 4基於Keras的使用全連接前饋神經網絡處理回歸問題的編程方法88
3 4 1基於Keras的使用線性回歸模型處理回歸問題的編程方法88
3 4 2基於Keras的使用單層全連接前饋神經網絡處理回歸問題的
編程方法98
3 4 3基於Keras的使用多層全連接前饋神經網絡處理回歸問題的
編程方法101
3 5基於Keras的使用全連接前饋神經網絡處理分類問題的編程方法104
3 5 1基於Keras的使用單層全連接前饋神經網絡處理分類問題的
編程方法104
3 5 2基於Keras的使用多層全連接前饋神經網絡處理分類問題的
編程方法114
思考練習117
第4章 卷積神經網絡的原理與編程方法119
4 1卷積神經網絡119
4 1 1卷積神經網絡概述119
4 1 2卷積神經網絡的結構120
4 1 3卷積神經網絡應用案例121
4 2卷積計算123
4 2 1二維張量的卷積計算123
4 2 2三維張量的卷積計算128
4 2 3卷積計算的性質132
4 3池化計算134
4 3 1Valid池化134
4 3 2Same池化137
4 4基於Keras深度學習框架的卷積神經網絡編程方法139
4 4 1使用卷積神經網絡處理回歸問題的編程方法139
4 4 2使用卷積神經網絡處理分類問題的編程方法145
4 5卷積神經網絡的常用方法149
4 5 1卷積神經網絡的寬結構模型及編程方法150
4 5 2卷積神經網絡的深結構模型及編程方法154
4 5 3使用批歸一化方法的卷積神經網絡156
4 5 4使用數據增強方法的卷積神經網絡164
4 6典的卷積神經網絡模型167
4 6 1LeNet5模型169
4 6 2AlexNet模型173
4 6 3VGG模型177
4 6 4其他典卷積神經網絡模型180
4 7遷移學習方法185
4 7 1遷移學習的原理185
4 7 2遷移學習的編程方法186
思考練習189
第5章 循環神經網絡的原理和編程方法190
5 1循環神經網絡190
5 1 1循環神經網絡簡介190
5 1 2簡單循環神經網絡的原理192
5 1 3循環神經網絡的其他結構196
5 2詞語嵌入編碼的原理和編程方法196
5 2 1語句的分詞問題196
5 2 2詞語嵌入編碼的原理198
5 3基於Keras深度學習框架的簡單循環神經網絡編程方法201
5 3 1數據集的準備202
5 3 2神經網絡模型的構建206
5 3 3神經網絡模型的編譯和擬合208
5 3 4單個樣本數據的預測210
5 4基於門控的循環神經網絡211
5 4 1長短期記憶模型網絡212
5 4 2門控循環單元網絡214
5 5基於Keras深度學習框架的長短期記憶模型網絡編程方法215
思考練習218
參考文獻219
附錄縮略詞語220

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。