-
科学出版社
- 9787030708342
-
1-1
-
433619
-
62250644-2
-
平装
-
16开
-
2022-07
-
300
-
200
-
理学
-
统计学
-
TP181
-
数据科学
-
本科
内容简介
本书兼顾统计知识的基础性和系统性,系统介绍深度学习基础知识和建模技术。本书共包括7章,第1章介绍机器学习、人工智能和深度学习发展历程及相关概念;第2章介绍深度学习的理论知识,如张量、梯度、损失函数、激活函数、反向传播等;第3章介绍基础神经网络在二分类数据、多分类数据和连续数据上的实例构建;第4章介绍神经网络模型的泛化策略;第5章介绍卷积神经网络的模型结构及其在图像分类问题中的应用;第6章介绍循环神经网络的模型架构及其在序列数据中的应用;第7章介绍文本数据建模的全过程,并结合前几章介绍的模型架构和优化策略,基于案例展示用于处理自然语言的深度学习模型。