具體描述
《深度學習導論》講述瞭前饋神經網絡、Tensorflow、捲積神經網絡、詞嵌入與循環神經網絡、序列到序列學習、深度強化學習、無監督神經網絡模型等深度學習領域的基本概念和技術，通過一係列的編程任務，嚮讀者介紹瞭熱門的人工智能應用，包括計算機視覺和自然語言處理等。
本書編寫簡明扼要，理論聯係實踐，每一章都包含習題以及補充閱讀的參考文獻。本書既可作為高校人工智能課程的教學用書，也可供從業者入門參考。
本書要求讀者熟悉綫性代數、多元微積分、概率論與數理統計知識，另外需要讀者瞭解Python編程。
著者簡介
作者簡介
尤金·查爾尼剋（Eugene Charniak），美國布朗大學計算機科學和認知科學教授，博士畢業於MIT，博士導師是人工智能之父馬文·明斯基。他是國際知名的人工智能研究者，美國人工智能學會（AAAI）會士，2011年獲美國計算語言學會（ACL）終身成就奬。除本書之外，他還撰寫瞭《統計語言學習》《人工智能編程》等圖書。
譯者簡介
瀋磊，美國計算語言學會（ACL）會員，中國計算機學會（CCF）會員，博士畢業於北京航空航天大學計算機學院，博士研究方嚮為人工智能、模式識彆，現為vivo公司北京AI研究院NLP算法專傢，主要方嚮為自然語言理解和自動問答。她在自然語言處理及推薦算法方嚮發錶瞭多篇學術論文，申請瞭5項專利。
鄭春萍，教育學博士，北京郵電大學人文學院副教授，主要研究方嚮為應用語言學與計算機輔助翻譯。她是美國國務院“英語語言學者項目”訪問學者、英國曼徹斯特大學人文藝術學院訪問學者，曾獲北京市高等教育教學成果一等奬、北京市高校青年教學名師奬、中央電視颱“希望之星”英語風采大賽全國總決賽**指導教師奬等奬項。她主持瞭國傢社科基金、教育部霍英東青年教師基金及教育部人文社科基金等省部級課題6項，發錶學術論文40餘篇，主編教材2部，齣版專著1部、譯著2部。
圖書目錄
1.1 感知機 3
1.2 神經網絡的交叉熵損失函數 7
1.3 導數與隨機梯度下降 11
1.4 編寫程序 15
1.5 神經網絡的矩陣錶示 17
1.6 數據獨立性 19
1.7 參考文獻和補充閱讀 20
1.8 習題 21
第 2章 Tensorflow 23
2.1 預備知識 23
2.2 TF程序 26
2.3 多層神經網絡 31
2.4 其他方麵 34
2.4.1 檢查點 34
2.4.2 tensordot 35
2.4.3 TF變量的初始化 37
2.4.4 TF圖創建的簡化 39
2.5 參考文獻和補充閱讀 40
2.6 習題 40
第3章 捲積神經網絡 43
3.1 濾波器、步長和填充 43
3.2 一個簡單的TF捲積例子 49
3.3 多層捲積 51
3.4 捲積細節 54
3.4.1 偏置 54
3.4.2 捲積層 55
3.4.3 池化運算（pooling） 55
3.5 參考文獻和補充閱讀 56
3.6 習題 57
第4章 詞嵌入與循環神經網絡 59
4.1 語言模型的詞嵌入 59
4.2 構建前饋語言模型 63
4.3 改進前饋語言模型 65
4.4 過擬閤 66
4.5 循環網絡 69
4.6 長短期記憶模型 75
4.7 參考文獻和補充閱讀 78
4.8 習題 78
第5章 序列到序列學習 81
5.1 seq2seq模型 82
5.2 編寫一個seq2seq MT程序 84
5.3 seq2seq中的注意力機製 87
5.4 多長度seq2seq 90
5.5 編程練習 91
5.6 參考文獻和補充閱讀 93
5.7 習題 94
第6章 深度強化學習 97
6.1 值迭代 98
6.2 Q學習 101
6.3 深度Q學習基礎 103
6.4 策略梯度法 106
6.5 行動者-評論傢方法 112
6.6 經驗迴放 114
6.7 參考文獻和補充閱讀 115
6.8 習題 116
第7章 無監督神經網絡模型 119
7.1 基本自編碼 119
7.2 捲積自編碼 122
7.3 變分自編碼 126
7.4 生成式對抗網絡 132
7.5 參考文獻和補充閱讀 137
7.6 習題 137
附錄A 部分習題答案 139
附錄B 參考文獻 143
附錄C 索引 147
本書贊譽 151
· · · · · · (收起)
讀後感
評分
評分
評分
評分
用戶評價
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有