书籍详情
![《深度学习导论尤金·查尔尼克,沈磊,郑春萍》[26M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/cbd6bead72f35d02.jpg)
深度学习导论尤金·查尔尼克,沈磊,郑春萍
- 出版社:辽版图书卖场店
- 出版时间:2020-04
- 热度:11353
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
| 图书基本信息 | |||
| 图书名称 | 深度学习导论 | 作者 | [美]尤金·查尔尼克（EugeneCharniak）,沈磊, |
| 定价 | 49.00元 | 出版社 | 人民邮电出版社 |
| ISBN | 9787115529916 | 出版日期 | 2020-04-01 |
| 字数 | 页码 | 150 | |
| 版次 | 装帧 | 平装 | |
| 开本 | 16开 | 商品重量 | |
| 内容提要 | |
| 《深度学习导论》讲述了前馈神经网络、Tensorflow、卷积神经网络、词嵌入与循环神经网络、序列到序列学习、深度强化学习、无监督神经网络模型等深度学习领域的基本概念和技术，通过一系列的编程任务，向读者介绍了热门的人工智能应用，包括计算机视觉和自然语言处理等。 n 本书编写简明扼要，理论联系实践，每一章都包含习题以及补充阅读的参考文献。本书既可作为高校人工智能课程的教学用书，也可供从业者入门参考。 n 本书要求读者熟悉线性代数、多元微积分、概率论与数理统计知识，另外需要读者了解Python编程。 |
| 目录 | |
| 第 1章 前馈神经网络 1 n 1．1 感知机 3 n 1．2 神经网络的交叉熵损失函数 7 n 1．3 导数与梯度下降 11 n 1．4 编写程序 15 n 1．5 神经网络的矩阵表示 17 n 1．6 数据独立性 19 n 1．7 参考文献和补充阅读 20 n 1．8 习题 21 n 第 2章 Tensorflow 23 n 2．1 预备知识 23 n 2．2 TF程序 26 n 2．3 多层神经网络 31 n 2．4 其他方面 34 n 2．4．1 检查点 34 n 2．4．2 tensordot 35 n 2．4．3 TF变量的初始化 37 n 2．4．4 TF图创建的简化 39 n 2．5 参考文献和补充阅读 40 n 2．6 习题 40 n 第3章 卷积神经网络 43 n 3．1 滤波器、步长和填充 43 n 3．2 一个简单的TF卷积例子 49 n 3．3 多层卷积 51 n 3．4 卷积细节 54 n 3．4．1 偏置 54 n 3．4．2 卷积层 55 n 3．4．3 池化运算（pooling） 55 n 3．5 参考文献和补充阅读 56 n 3．6 习题 57 n 第4章 词嵌入与循环神经网络 59 n 4．1 语言模型的词嵌入 59 n 4．2 构建前馈语言模型 63 n 4．3 改进前馈语言模型 65 n 4．4 过拟合 66 n 4．5 循环网络 69 n 4．6 长短期记忆模型 75 n 4．7 参考文献和补充阅读 78 n 4．8 习题 78 n 第5章 序列到序列学习 81 n 5．1 seq2seq模型 82 n 5．2 编写一个seq2seq MT程序 84 n 5．3 seq2seq中的注意力机制 87 n 5．4 多长度seq2seq 90 n 5．5 编程练习 91 n 5．6 参考文献和补充阅读 93 n 5．7 习题 94 n 第6章 深度强化学习 97 n 6．1 值迭代 98 n 6．2 Q学习 101 n 6．3 深度Q学习基础 103 n 6．4 策略梯度法 106 n 6．5 行动者-评论家方法 112 n 6．6 经验回放 114 n 6．7 参考文献和补充阅读 115 n 6．8 习题 116 n 第7章 无监督神经网络模型 119 n 7．1 基本自编码 119 n 7．2 卷积自编码 122 n 7．3 变分自编码 126 n 7．4 生成式对抗网络 132 n 7．5 参考文献和补充阅读 137 n 7．6 习题 137 n 附录A 部分习题答案 139 n 附录B 参考文献 143 n 附录C 索引 147 n 本书赞誉 151 |
| 作者介绍 | |
| 作者简介 尤金·查尔尼克（Eugene Charniak），美国布朗大学计算机科学和认知科学教授，博士毕业于MIT，博士导师是人工智能之父马文·明斯基。他是国际知名的人工智能研究者，美国人工智能学会（AAAI）会士，2011年获美国计算语言学会（ACL）终身成就奖。除本书之外，他还撰写了《统计语言学习》《人工智能编程》等图书。 译者简介 沈磊，美国计算语言学会（ACL）会员，中国计算机学会（CCF）会员，博士毕业于北京航空航天大学计算机学院，博士研究方向为人工智能、模式识别，现为vivo公司北京AI研究院NLP算法专家，主要方向为自然语言理解和自动问答。她在自然语言处理及推荐算法方向发表了多篇学术论文，申请了5项专利。 郑春萍，教育学博士，北京邮电大学人文学院副教授，主要研究方向为应用语言学与计算机辅助翻译。她是美国国务院“英语语言学者项目”访问学者、英国曼彻斯特大学人文艺术学院访问学者，曾获北京市高等教育教学成果一等奖、北京市高校青年教学名师奖、中央电视台“希望之星”英语风采大赛全国总决赛指导教师奖等奖项。她主持了国家社科基金、教育部霍英东青年教师基金及教育部人文社科基金等省部级课题6项，发表学术论文40余篇，主编教材2部，出版专著1部、译著2部。 |
| 编辑推荐 | |
| 1.知识图谱界领军人物、文因互联CEO鲍捷作序。外产业界和学术界大咖鼎力推荐 n 2.本书编写简明扼要，是美国常青藤名校布朗大学的教材。本书的每一章都包括了一个编程项目和一些书面练习，并附上了参考资料，可供读者进一步阅读。 n 3.人工智能经典入门书，基于Tensorflow编写，以项目为导向，通过一系列的编程任务，向读者介绍了热门的人工智能应用，包括计算机视觉、自然语言处理和强化学习等。 n 4.做中学。作者在前言中写道：“对我而言，学习计算机科学的方法，就是坐下来写程序。”本书正是采用了这种方法。 |
