人工智能：深度学习核心算法 / 人工智能出版工程
￥98.00定价
作者： 冯超
出版时间：2021-10
出版社：电子工业出版社
- 电子工业出版社
- 9787121381423
- 1-2
- 362539
- 49225770-4
- 纸面精装
- 16开
- 2021-10
- 380
- 332
- 工学
- 计算机科学与技术
- 计算机科学与技术
- 本科 研究生（硕士、EMBA、MBA、MPA、博士）
内容简介
本书是一本介绍深度学习核心算法的书籍。书中以轻松、直白的语言，生动、详细地介绍了与深度学习模型相关的基础知识，深入剖析了深度学习核心算法的原理与本质。同时，书中配有大量案例与源码，帮助读者切实体会深度学习的核心思想和精妙之处。此外，书中还介绍了深度学习在计算机视觉、自然语言处理和推荐系统领域的应用，从原理层面揭示其思想，帮助读者在这些领域中夯实技术基础。
目录
第1章从生活走进深度学习111钞票面值问题112机器学习的特征表示513机器学习1014深度学习的逆袭1415总结与提问19第2章构建小型神经网络2021线性代数基础2122全连接层与非线性函数2723神经网络可视化3024反向传播法3525反向传播法的计算方法3726反向传播法在计算上的抽象4027反向传播法在批量数据上的推广4228模型训练与结果可视化4629总结与提问48第3章多层网络与分类5031MNIST数据集5032概率论基础5133Softmax函数5734交叉熵损失6035使用PyTorch实现模型构建与训练6736模型结果分析7237总结与提问74第4章卷积神经网络7641卷积操作7642卷积层汇总了什么8343卷积层的反向传播8744ReLU9345Pooling层9746卷积神经网络实验10147卷积神经网络的感受野10348总结与提问112第5章网络初始化11351错误的初始化11352关于数值的初始化实验11653Xavier初始化12254MSRA初始化12855ZCA初始化13256总结与提问138第6章网络优化14061梯度下降法14062动量法14563随机梯度下降的变种算法15164总结与提问164第7章进一步强化网络16571Dropout16572BatchNormalization16873总结与提问176第8章高级网络结构17881CIFAR10数据集
