《 深度学习：沉浸在神经网络的世界里 》
- 编码编程计算机信息技术人工智能神经网络计算模型
- 选题分类：计算机理论 网络/通讯
- 原版语种：俄语（可提供图书翻译服务）
- 出版日期：
- 页数：480页
- 图书定价：（不详）
- 开本：165mm×235mm
- 浏览次数：225
- 字数：（不详）
- 作品星级：
- 内文印刷：（不详）
申请样书样章
您正在通过本网站在线提交出版评估申请。
若您的申请获得通过，您将可以在线对本作品的电子样书进行查看。
特别提示：
1、一旦提交本申请，则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权，并承诺在申请日起18个月内，不会向任何第三方（包括但不限于图书作者、出版方及其他代理商等）申请或联系上述图书的中文简体版权。否则，我公司有权关闭您在本网站的使用权限，且不再与您进行任何业务合作，并有权要求您支付不低于人民币5000元/本的违约金，或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用，不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况，否则无论最终是否与您达成中文版权的交易合作，该费用概不退还。
申请翻译样章
您正在通过本网站在线提交翻译样章申请。
若您的申请获得通过，您将可以在线对本作品的翻译样章进行查看。
特别提示：
1、一旦提交本申请，则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权，并承诺在申请日起18个月内，不会向任何第三方（包括但不限于图书作者、出版方及其他代理商等）申请或联系上述图书的中文简体版权。否则，我公司有权关闭您在本网站的使用权限，且不再与您进行任何业务合作，并有权要求您支付不低于人民币5000元/本的违约金，或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用，不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况，否则无论最终是否与您达成中文版权的交易合作，该费用概不退还。
内容简介
★所有关于神经网络引人入胜的想法，深度学习革命的整个历史和基本组成部分，以及该领域的最新进展，都在本书中以一种易懂和有趣的方式呈现！
★最详细的解释，最简介的代码，关于机器训练的重要资料和引人入胜的介绍都在这本杰出的俄罗斯科学家和知识分子创作的独家作品中。
神经网络是一种模拟人脑神经系统的计算模型，它由大量的人工神经元组成，通过模拟神经元之间的连接和信息传递来实现复杂的信息处理和学习。一个神经网络要么是由生物神经元组成的生物神经网络，要么是用于解决人工智能（AI）问题的人工神经网络。
事实证明，深度模型是一把能立即打开所有锁的钥匙：新的学习架构和算法，还有增加的计算能力和出现的巨大数据集，使计算机视觉、语音识别、自然语言处理和机器训练的许多其他典型的“人类”任务取得了革命性的突破。这些引人入胜的想法，深度学习革命的整个历史和基本组成部分，以及该领域的最新进展，都在本书中以一种易懂和有趣的方式呈现。最详细的解释，最简介的代码，关于机器训练的重要资料和引人入胜的介绍都在这本杰出的俄罗斯科学家和知识分子的独家作品中。
图书目录
第一章 从生物学到计算机科学（又称“我们需要更深入”）
1.1. 深度网络学习的革命
1.2. 人工智能和机器训练
1.3. 一句话：机器训练是怎样的
1.4. 人脑的特点
1.5. 神经生物学的局限：我们到底知道什么？
1.6. 现代神经网络的光辉与困局
第二章 初步资料（又称“年轻战士的课程”）
2.1. 贝叶斯定理
2.2. 误差函数和正则化
2.3. 库尔贝克·莱布勒距离和交叉熵
2.4. 梯度下降：基础
2.5. 计算图和对它的微分
2.6. 关于实践：TensorFlow和Keras的导入
第三章 视感控器（又称“智慧计算机的胚胎”）
3.1. 人工神经网络是什么时候出现的？
3.2. 视感控器如何运行
3.3. 现代视感控器：激活函数
3.4. 真正的神经元如何学习
3.5. 深度网络：迷人在哪，复杂在哪？
3.6. 示例：TensorFlow上的手写数字识别
第二部分 基本架构
第四章 更快、更深、更强（又称“关于沟壑、谷地和跳板”）
4.1. 神经网络中的正则化
4.2. 如何初始化权重
4.3. 小批标准化
4.4. 矩阵法：牛顿、涅斯捷罗夫和海赛
4.5. 梯度下降的自适应变体
第五章 缠绕神经网络和自动编码器（又称“不要相信你的眼睛”）
5.1. 大脑的视觉皮层
5.2. 褶合式和缠绕网络
5.3. 用于数字识别的褶合式
5.4. 现代缠绕架构
5.5. 自动编码器
5.6. 示例：手写数字的编码
第六章 递归神经网络（又称“如何正确地咬住自己的尾巴”）
6.1. 动因：序列处理
6.2. 误差传播和递归神经网络结构
6.3. 长短期记忆网络
6.4. 门控循环单元和其他选择
6.5. SCRN和其他：常规递归神经网络结构的持久内存
6.6. 示例：逐字符生成文本
第三部分 新架构及应用
第七章 如何教计算机阅读（又称“数学家-男+女=”）
7.1. 智能文本处理
7.2. 词语的分布式表示：自然语言处理
7.3. 俄罗斯自然语言处理的实践
7.4. GloVe：正确布置矩阵
7.5. 向上和向下的单词表示
7.6. 递归神经网络和句法分析
第八章 现代架构（又称“真理如何在争论中诞生”）
8.1. 具有注意力和编码器—解码器的模型
8.2. 生成模型和深度学习
8.3. 对抗网络
8.4. 逻辑斯谛克函数的实例和技巧
8.5. 基于生成对抗网络的架构
第九章 强化的深度学习（又称“冠军的惊人事件”）
9.1. 强化学习
9.2. 马尔科夫决策过程
9.3. 从TDGammon到DQN
9.4. 竹鞭炮
9.5. 策略梯度和其他应用
第十章 神经贝叶斯方法（又称“机器训练的过去和未来”）
10.1. 贝叶斯定理和神经网络
10.2. EM算法
10.3. 变分近似
10.4. 变分自动编码器
10.5. 贝叶斯神经网络和信号丢失
10.6. 结论：书中未包括的内容及后续内容
鸣谢
文献
请输入分享的Email地址：
