深度學習原理及應用 殷麗鳳 王楊 9787111784678 【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：202507*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：深度學習原理及應用
ISBN：9787111784678
出版社：機械工業
著編譯者：殷麗鳳 王楊
頁數：300
所在地：中國大陸 *此為代購商品
書號：1745225
可大量預訂，請先連絡。

內容簡介

本書共3篇，12章，內容涵蓋了深度學習的基礎理論、重要模型及其在計算機視覺和自然語言處理等領域的應用。第1篇深入講解了深度學習的基礎理論，包括感知機的主要概念及其實現、神經網絡的架構與算法，以及參數更新策略、權重初始化方法和正則化技巧。第2篇專註于計算機視覺，介紹了卷積神經網絡的結構及其在圖像處理方面的廣泛應用，同時探討了經典的卷積網絡結構以及先進網絡在物體檢測與圖像分割等領域的應用。第3篇著眼于自然語言處理，涵蓋了語言模型、word2vec模型、RNN模型及其變體、Transformer模型以及預訓練模型在多種任務中的應用。 本書在專業性與可讀性之間實現了良好的平衡，不僅向讀者提供深度學習領域的綜合知識和實際技能，還致力於激發讀者的創新思維和實踐能力，助力讀者在快節奏發展的技術環境中掌握先機，取得更高成就。 本書既可作為高等院校深度學習課程的基礎教材，也適合深度學習愛好者進行自學。無論是初學者還是具有一定基礎的從業人員，都能從中獲得啟發和實用的知識。

目錄

前言
第1篇 深度學習基礎篇
第1章 感知機
1 1 感知機是什麼
1 2 簡單邏輯電路
1 2 1 與門
1 2 2 與非門和或門
1 3 感知機的實現
1 3 1 簡單的實現
1 3 2 導入權重和偏置
1 3 3 權重和偏置的實現
1 4 感知機的局限性
1 4 1 異或門
1 4 2 線性和非線性
1 5 多層感知機
1 5 1 組合門電路配置異或門
1 5 2 異或門的實現
1 6 本章小結
1 7 習題
第2章 神經網絡
2 1 從感知機到神經網絡
2 1 1 神經網絡的結構
2 1 2 回顧感知機
2 1 3 激活函數簡介
2 2 階躍函數
2 2 1 階躍函數的實現
2 2 2 Sigmoid函數
2 2 3 ReLU函數
2 3 神經網絡的前向傳播
2 3 1 符號的含義
2 3 2 各層間信號傳遞的實現
2 3 3 代碼實現
2 4 輸出層的設計
2 4 1 恆等函數
2 4 2 softmax函數
2 4 3 輸出層的神經元數量
2 5 損失函數
2 5 1 均方誤差
2 5 2 交叉熵誤差
2 5 3 mini-batch學習
2 5 4 mini-batch版交叉熵誤差的實現
2 6 梯度法
2 6 1 梯度
2 6 2 神經網絡的梯度
2 7 學習算法的實現
2 7 1 兩層神經網絡的實現
2 7 2 兩層神經網絡解決異或問題
2 7 3 基於測試數據的評價
2 8 誤差反向傳播
2 8 1 用計算圖求解
2 8 2 計算圖的反向傳播
2 8 3 加法節點的反向傳播
2 8 4 乘法節點的反向傳播
2 9 簡單層的實現
2 9 1 乘法層的實現
2 9 2 加法層的實現
2 10 激活函數層的實現
2 10 1 ReLU層
2 10 2 Sigmoid層
2 11 Affine層和softmax層的實現
2 11 1 Affine層
2 11 2 批版本的Affine層
2 11 3 softmax-with-loss層
2 12 誤差反向傳播法的實現

第2篇 計算機視覺篇
第3篇 自然語言處理篇
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。