深度學(xué)習(xí)：入門與實(shí)踐

定　價(jià)：￥49.00

作　者：	龍飛，王永興著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	>計(jì)算機(jī)/網(wǎng)絡(luò) >人工智能

購買這本書可以去

ISBN：	9787302482789	出版時(shí)間：	2017-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	189	字?jǐn)?shù)：

內(nèi)容簡介

　　本書由一線資深技術(shù)專家撰寫，凝結(jié)了其自身多年的實(shí)踐經(jīng)驗(yàn)，闡述了深度學(xué)習(xí)的發(fā)展歷程、相關(guān)概念和工作原理，介紹了兩個(gè)當(dāng)前流行的深度學(xué)習(xí)工具：Caffe 和TensorFlow ，并且初步探討了強(qiáng)化學(xué)習(xí)的基本原理和應(yīng)用。為了幫助初學(xué)者快速上手，本書注重從總體框架和脈絡(luò)上把握深度學(xué)習(xí)技術(shù)，同時(shí)在闡述原理時(shí)配以簡單的實(shí)例供讀者印證?！”緯Z言生動風(fēng)趣，以通俗的語言講述復(fù)雜的原理，循循善誘，深入淺出，適合有志于從事人工智能、深度學(xué)習(xí)相關(guān)研究的信息類專業(yè)的高年級本科生或研究生閱讀，也可供業(yè)界準(zhǔn)備或正在從事深度學(xué)習(xí)、機(jī)器視覺等相關(guān)研發(fā)工作的工程技術(shù)人員參考。

作者簡介

　　龍飛，高級工程師，本科畢業(yè)于南京大學(xué)，博士畢業(yè)于清華大學(xué)，香港科技大學(xué)博士后。曾供職于中國電子科技集團(tuán)公司第五十四研究所。現(xiàn)任中國搜索創(chuàng)新研發(fā)部總監(jiān)。負(fù)責(zé)公司互聯(lián)網(wǎng)創(chuàng)新產(chǎn)品和人工智能、大數(shù)據(jù)相關(guān)項(xiàng)目的研發(fā)。主持并參與了國搜識圖、國搜學(xué)術(shù)、國搜圖書等平臺和頻道的研發(fā)與上線。主要研究方向?yàn)榫W(wǎng)絡(luò)路由、無線網(wǎng)狀網(wǎng)絡(luò)，近年涉足深度學(xué)習(xí)、數(shù)據(jù)挖掘領(lǐng)域。在國內(nèi)外發(fā)表學(xué)術(shù)論文20余篇，獲得軟件著作權(quán)5項(xiàng)，并著有中文專著2部，英文專著1部，譯著2部。

圖書目錄

目錄第1章緒論1.1引言1.2基本概念1.2.1回歸、分類、聚類1.2.2監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)1.2.3感知機(jī)、神經(jīng)網(wǎng)絡(luò)1.3發(fā)展歷程1.4相關(guān)學(xué)者與會議或賽事1.5本章小結(jié)參考文獻(xiàn)第2章回歸2.1線性回歸2.1.1問題描述2.1.2問題求解2.1.3工具實(shí)現(xiàn)2.2邏輯回歸2.2.1問題描述2.2.2問題求解2.2.3工具實(shí)現(xiàn)2.3本章小結(jié)參考文獻(xiàn)第3章人工神經(jīng)網(wǎng)絡(luò)3.1Rosenblatt感知機(jī)3.1.1訓(xùn)練方法3.1.2算法實(shí)例3.1.3梯度下降3.2人工神經(jīng)網(wǎng)絡(luò)3.2.1網(wǎng)絡(luò)架構(gòu)3.2.2訓(xùn)練方法3.2.3算法實(shí)例3.3本章小結(jié)參考文獻(xiàn)深度學(xué)習(xí)：入門與實(shí)踐目錄第4章Caffe簡介4.1CNN原理4.1.1卷積4.1.2池化4.1.3LeNet54.2Caffe架構(gòu)4.2.1Blob類4.2.2Layer類4.2.3Net類4.2.4Solver類4.3Caffe應(yīng)用實(shí)例4.3.1車型識別4.3.2目標(biāo)檢測4.4本章小結(jié)參考文獻(xiàn)第5章TensorFlow簡介5.1TensorFlow架構(gòu)5.2TensorFlow簡單應(yīng)用5.2.1TensorFlow安裝5.2.2線性回歸5.3TensorFlow高級應(yīng)用5.3.1MNIST手寫數(shù)字識別5.3.2車型識別5.4本章小結(jié)參考文獻(xiàn)第6章強(qiáng)化學(xué)習(xí)簡介6.1強(qiáng)化學(xué)習(xí)基本原理6.2AlphaGo基本架構(gòu)6.3其他趣味應(yīng)用6.4本章小結(jié)參考文獻(xiàn)后記