深度學習-智能機器人應用的理論與實踐 俞建峰 9787122453211 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：化學工業
物品所在地：中國大陸
原出版社：化學工業
NT$878
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202407*若逾兩年請先於私訊洽詢存貨情況，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-智能機器人應用的理論與實踐 ISBN：9787122453211 出版社：化學工業 著編譯者：俞建峰 頁數：425 所在地：中國大陸 *此為代購商品 書號：1642210 可大量預訂，請先連絡。 內容簡介 智能機器人發展日新月異，相關的機器學習技術受到廣泛關注。本書以其中關鍵的深度學習理論與實踐為主線，系統介紹了機器智能、機器學習和神經網路的概念與演算法；機器學習的參數及其擬合和欠擬合的問題；神經網路等數學模型；卷積神經網路模型；循環神經網路；注意力機制以及深度學習的演算法；基於深度學習的人機協作識別、動作抓取、平面檢測等應用知識。 本書適宜從事機械、自動控制等智能機器人相關專業的技術人員參考，也可作為相關專業的本科教材。作者簡介 俞建峰，江南大學機械工程學院教授，博導；主要研究方向：超細微納米化技術，智能化機電檢測技術和微流控檢測技術。2011年入選無錫檢驗檢疫局金字塔領軍人才；2007年與2011年兩次入選江蘇檢驗檢疫局學科帶頭人培養對象；先後獲得江蘇省科技進步三等獎2項（均排名第三）；國家質檢總局「科技興檢」二等獎1項（排名第三）；江蘇出入境檢驗檢疫局「科技興檢」三等獎1項。在植物蛋白細胞破壁及分離提純系統；用於澱粉分離的干法粉碎分級系統；基於攪拌介質磨的超細微納化濕法球磨機；基於光機電一體化技術的安全鎖性能在線自動檢測系統等方向取得多項成果。目錄 第一章 緒論1 1 自然智能與機器智能 1 1 1 自然智能 1 1 2 機器智能 1 2 機器獲取知識的途徑：機器學習 1 2 1 機器學習的概念 1 2 2 基本機器學習模型 1 3 機器認知智能的實現途徑：神經網路 1 3 1 生物神經網路 1 3 2 人工神經網路與神經元模型 1 4 深度學習的前沿發展及其應用 1 4 1 深度學習 1 4 2 大語言模型 1 4 3 ChatGPT：智能對話機器人 1 4 4 OpenAI Codex：代碼生成與輔助編程 1 5 深度學習與智能機器人 1 5 1 智能機器人的定義與目標 1 5 2 智能機器人與工業機器人的區別 1 5 3 智能機器人的環境多模態感知 1 6 本章小結 第二章 機器學習的數學基礎 2 1 標量、向量、矩陣和張量 2 2 矩陣和向量相乘 2 2 1 矩陣和向量相乘的規則 2 2 2 矩陣和向量相乘的性質 2 2 3 矩陣乘法的計算方法 2 2 4 矩陣乘法在神經網路中的應用 2 3 導數 2 3 1 一般運演算法則 2 3 2 鏈式求導法則 2 4 度量標準 2 4 1 誤差 2 4 2 距離 2 4 3 相似度 2 5 概率分佈 2 5 1 二項分佈 2 5 2 正態分佈 2 6 本章小結 第三章 機器學習的構成及理論基礎 3 1 機器學習基礎概念 3 1 1 人類學習與機器學習 3 1 2 機器學習的研究內容 3 1 3 機器學習系統的基本構成 3 2 機器學習的分類 3 2 1 監督學習 3 2 2 半監督學習 3 2 3 無監督學習 3 2 4 強化學習 3 3 機器學習的重要參數 3 3 1 學習率 3 3 2 動量係數 3 3 3 偏置項 3 4 擬合問題 3 4 1 過擬合問題 3 4 2 欠擬合問題 3 5 交叉驗證 3 5 1 數據類型與選擇方法 3 5 2 留一交叉驗證 3 5 3 K折交叉驗證 3 6 回歸分析 3 6 1 線性回歸 3 6 2 邏輯回歸 3 7 評價指標 3 8 本章小結 第四章 神經網路構成及理論基礎 4 1 神經網路概述 4 1 1 深度學習和神經網路間的關係 4 1 2 神經網路的深度和寬度 4 2 常見的神經網路類型 4 2 1 全連接神經網路 4 2 2 卷積神經網路 4 2 3 循環神經網路 4 3 神經網路設計的核心問題 4 3 1 定義神經網路結構 4 3 2 選擇損失函數 4 3 3 選擇激活函數 4 4 神經網路最優化過程 4 4 1 梯度下降演算法 4 4 2 正向傳播演算法 4 4 3 反向傳播演算法 4 4 4 BP神經網路 4 5 其他神經網路與深度學習 4 5 1 生成對抗網路 4 5 2 深度信念網路 4 5 3 遷移學習 4 6 PyTorch和PaddlePaddle簡介 4 6 1 PyTorch 4 6 2 PaddlePaddle 4 7 本章小結 第五章 卷積神經網路 5 1 卷積神經網路概述 5 1 1 發展歷程和實際應用 5 1 2 基本組成 5 2 卷積神經網路的特徵 5 2 1 連接稀疏性 5 2 2 參數共享機制 5 3 卷積神經網路中的反向傳播演算法 5 4 其他卷積方式 5 4 1 轉置卷積 5 4 2 空洞卷積 5 4 3 分組卷積和深度分離卷積 5 5 卷積神經網路的典型模型 5 5 1 LeNet-5 5 5 2 AlexNet 5 5 3 VGGNet 5 5 4 GoogLeNet 5 5 5 ResNet 5 5 6 MobileNet和ShuffleNet 5 5 7 MMDetection框架搭建並實現訓練與測試 5 6 本章小結 第六章 循環神經網路 6 1 循環神經網路概述 6 1 1 背景 6 1 2 概念 6 1 3 基本結構 6 2 循環神經網路分類 6 2 1 單向循環神經網路 6 2 2 雙向循環神經網路 6 2 3 深度循環神經網路 6 3 模型訓練與優化 6 3 1 隨時間反向傳播演算法 6 3 2 實時循環學習演算法 6 4 長短時記憶網路 6 4 1 原理講解 6 4 2 代碼講解 6 5 遞歸神經網路 6 5 1 原理講解 6 5 2 代碼講解 6 6 門控循環單元網路 6 6 1 原理講解 6 6 2 代碼 6 7 本章小結 第七章 注意力機制與外部記憶 7 1 認知神經學中的注意力 7 2 注意力機制 7 2 1 注意力機制原理 7 2 2 注意力機制的變體 7 3 自注意力機制 7 3 1 自注意力機制原理 7 3 2 Transformer 7 4 人腦中的記憶 7 5 記憶增強神經網路 7 5 1 外部記憶 7 5 2 端到端記憶網路 7 5 3 神經圖靈機 7 6 計算機視覺中的注意力機制 7 6 1 計算機視覺中的注意力機制發展歷程 7 6 2 通道注意力機制 7 6 3 空間注意力機制 7 6 4 時間注意力機制 7 6 5 分支注意力機制 7 6 6 通道和空間注意力機制 7 6 7 時空注意力機制 7 6 8 注意力模塊添加的案例介紹 7 7 本章小結 第八章 深度學習調優方法 8 1 數 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
