| | | 深度卷積網絡原理與實踐(全彩印刷)/智能繫統與技術叢書 | 該商品所屬分類:工業技術 -> 自動化技術 | 【市場價】 | 1081-1568元 | 【優惠價】 | 676-980元 | 【介質】 | book | 【ISBN】 | 9787111596653 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:機械工業
-
ISBN:9787111596653
-
作者:彭博
-
頁數:311
-
出版日期:2018-05-01
-
印刷日期:2018-05-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
彭博著的《深度卷積網絡原理與實踐(全彩印刷)》的特點是: 敘述與代碼範例皆會結合筆者的實際經驗,如調參經驗和網絡架構經驗,讓讀者掌握真正具有實用性的技巧。 包括深度卷積網絡和AI的重要*新發展,如DenseNet、XCeption、各種GAN變種、預測學習(predictive learning)、Capsule等。書中的許多例子都來自於2017年的*新研究。 對於重要的理論知識,如反向傳播(Back Propagation,BP)的推導,本書不會回避,會仔細說明。 本書的行文力求通俗易懂,不會過於抽像。如果讀者不熟悉數學,可跳過書中數學推導的部分,因為目前的深度學習框架已很完善,即使不了解數學,同樣可以成功訓練和使用。
-
深度卷積網絡(DCNN)是目前十分流行的深度神
經網絡架構,它構造清晰直觀,效果引人入勝,在圖
像、視頻、語音、語言領域都有廣泛應用。
彭博著的《深度卷積網絡原理與實踐(全彩印刷)
》以AI領域最新的技術研究和實踐為基礎,從技術理
論、工作原理、實踐方法、架構技巧、訓練方法、技
術前瞻等6個維度對深度卷積網絡進行了繫統、深入
、詳細的講解。
以實戰為導向,深入分析AlphaGo和GAN的實現過
程、技術原理、訓練方法和應用細節,為讀者依次揭
開神經網絡、卷積網絡和深度卷積網絡的神秘面紗,
讓讀者了解AI的“思考過程”,以及與人類思維的相
同和不同之處。
本書在邏輯上分為3個部分:
第一部分綜述篇(第1、6、9章)
這3章不需要讀者具備編程和數學基礎,對深度
學習和神經網絡的基礎知識、AlphaGo的架構設計和
工作原理,以及深度學習和人工智能未來的技術發展
趨勢進行了宏觀介紹。
第二部分深度卷積網絡篇(第2、3、4、5章)
結合作者的實際工作經驗和案例代碼,對深度卷
積網絡的技術理論、工作原理、實踐方法、架構技巧
和訓練方法做了繫統而深入的講解。
第三部分實戰篇(第7、8章)
詳細分析了AlphaGo和GAN的技術原理、訓練方法
和應用細節,包括詳細的代碼分析和大量GAN的精彩
實例。
本書的案例代碼在GitHub上提供下載,同時讀者
可在GitHub上與作者交流與本書相關的問題。
-
前言 引子·神之一手 第1章 走進深度學習的世界 1.1 從人工智能到深度學習 1.2 深度神經網絡的威力:以AlphaGo為例 1.2.1 策略網絡簡述 1.2.2 泛化:看棋譜就能學會下圍棋 1.2.3 擬合與過擬合 1.2.4 深度神經網絡的速度優勢 1.3 深度神經網絡的應用大觀 1.3.1 圖像分類問題的難度所在 1.3.2 用深度神經網絡理解圖像 1.3.3 AlphaGo中的深度神經網絡 1.3.4 自動發現規律:從數據A到答案B 1.3.5 深度神經網絡的*多應用 1.3.6 從分而治之,到端對端學習 1.4 親自體驗深度神經網絡 1.4.1 TensorFlow遊樂場 1.4.2 MNIST數字識別實例:LeNet-5 1.4.3 策略網絡實例 1.4.4 簡筆畫:Sketch-RNN 1.4.5 用GAN生成動漫頭像 1.5 深度神經網絡的基本特點 1.5.1 兩大助力:算力、數據 1.5.2 從特征工程,到逐層抽像 1.5.3 深度神經網絡學會的是什麼 1.6 人工智能與神經網絡的歷史 1.6.1 人工智能的兩大學派:邏輯與統計 1.6.2 人工智能與神經網絡的現代編年史 第2章 深度卷積網絡:第一課 2.1 神經元:運作和訓練 2.1.1 運作:從實例說明 2.1.2 訓練:梯度下降的思想 2.1.3 訓練:梯度下降的公式 2.1.4 訓練:找大小問題的初次嘗試 2.1.5 訓練:Excel的實現 2.1.6 重要知識:批大小、mini-batch、epoch 2.2 深度學習框架MXNet:安裝和使用 …… 第3章 深度卷積網絡:第二課 第4章 深度卷積網絡:第三課 第5章 深度卷積網絡:第四課 第6章 AlphaGo架構綜述 第7章 訓練策略網絡與實戰 第8章 生成式對抗網絡:GAN 第9章 通向智能之秘 跋 人工智能與我們的未來 附錄 深度學習與AI的網絡資源
| | | | | |