万本电子书0元读

万本电子书0元读

顶部广告

神经网络与深度学习实战:Python+Keras+TensorFlow电子书

售       价:¥

纸质售价:¥86.10购买纸书

143人正在读 | 0人评论 6.2

作       者:陈屹

出  版  社:机械工业出版社

出版时间:2019-07-01

字       数:28.5万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
- 本书通过理论与项目实践相结合的方式引领读者人工智能技术的大门。书中首先从人工智能技术的数学基础讲起,然后重剖析神经网络的运行流程,*后以大量的实际项目编码实践方式帮助读者扎实地掌握人工智能发所需要的基本理论知识和核心发技术。 本书共15章,涵盖的内容有神经网络初体验;深度学习的微积分基础;深度学习的线性代数基础;神经网络的理论基础;用Python从零实现识别手写数字的神经网络;神经网络项目实践;使用神经网络实现机器视觉识别;用深度学习实现自然语言处理;自动编解码网络和生成型对抗性网络;增强性学习网络的发实践;TensorFlow门;使用TensorFlow和Keras发高级自然语言处理系统;使用TensorFlow和Keras实现高级图像识别处理系统;使用    TensorFlow和Keras造智能推荐系统;深度学习重要概念和技巧总结。 本书尽可能通过细致的讲解降低读者门人工智能编程的门槛。书中案例丰富,内容非常实用,特别适合有志于投身人工智能领域的IT专业人士或学生阅读。阅读本书需要读者具有一定的数学基础。
【推荐语】
【编辑推荐】 专门录制30小时共43段配套教学视频带领读者无障碍学习 在人工智能的高门槛前建立了多级容易跨越的台阶 提供比较平滑的学习路线,极大地降低了读者的学习难度 从深度学习的数学基础讲起,再重剖析神经网络的原理与深度学习算法 详解机器视觉、自然语言处理、生成对抗网络等领域的13个应用案例 【了解本书】 深度学习需要哪些数学基础? 神经网络的内部如何运作? 神经网络为何具备学习改能力? 什么是误差反向回归? 什么叫做损失函数? 什么叫做激活函数? 如何处理过度拟合? 如何避框架手动实现一个神经网络? 什么叫做卷积运算? 如何用卷积网络识别图片内容? 神经网络如何从图片中抽取信息? 用于训练网络的图片数据不足时该怎么办? 网络为何能够读懂人类文章? 什么叫做LSTM网络模型? 如何将单词转换为可计算的向量? 如何让模糊的语言变得精确和可计算? 如何将深度学习应用到具体项目中? 在实践中运用深度学习技术时遇到问题怎么解决? …… 通过阅读本书,你将了解这些复杂问题背后的原理,甚至你都可以自己解决这些问题。 本书核心知识 【理论基础】 深度学习所需的微积分、线性代数及概率论知识 神经网络运用误差回传改识别效果的数学原理 使用导数极值原理实现网络学习功能 卷积运算流程及卷积网络识别图片的深层原理 单词向量化的数学模型及LSTM网络层运行原理 【理论实践】 使用导数求极值原理获取多元变量函数的*小值 手写一个能识别数字图片的神经网络 用代码实现卷积运算的具体过程 使用keras构建能识别猫狗图片的网络 使用keras构建能识别文字情绪的神经网络 TensorFlow框架基本原理和使用方法 【高级项目实践】 编解码网络原理及图片去噪实践 生成型对抗性网络及手写数字图片生成实践 增强性学习网络及用其解决平衡车模拟难题 实现单词向量化对应的Skim-Gram数学模型 使用LSTM网络构建智能对话机器人 实现图片内容在不同艺术风格下的变迁效应 抓取识别图片或视频流中的不同物体 实现类似于网易云音乐那样的推荐引擎 实现类似于淘宝拍立得功能的图片搜索引擎 【2位专家推荐】 段超  北京邮电大学国际学院企业顾问团专家 王静逸  神兔未来科技有限公司创始人 【超值配书资源】 30小时教学视频 实例源代码文件 相关数据文件
【作者】
陈屹  海南康康饼网络科技有限公司CEO。毕业于数学专业,拥有十几年的软件发经验。曾经任职于联想、微软和Realnetworks等国内外知名公司,从事客户端及服务端发工作。熟练掌握C 、Java、Python等发语言,擅长算法逻辑和架构设计。目前致力于对人工智能技术的研究。
目录展开

前言

本书特色

本书内容

本书配套资源

本书读者对象

本书作者

本书内容导图

第1章 神经网络初体验

1.1 开发环境的安装

1.2 快速构建一个识别手写数字图片的神经网络

第2章 深度学习中的微积分基础

2.1 实数中的无理数

2.2 什么叫极限

2.3 函数的连续性

2.4 函数求导

2.5 导数的一般法则

2.6 间套函数的链式求导法则

2.7 多变量函数与偏导数

2.8 导数与极值

2.9 使用导数寻求函数的最小值

第3章 深度学习的线性代数基础

3.1 常量与向量

3.2 矩阵及相关操作

3.3 tensor——多维向量

3.4 向量范数

第4章 神经网络的理论基础

4.1 详解神经网络中的神经元激活函数

4.2 使用矩阵运算驱动神经网络数据加工链

4.3 通过反向传播算法回传误差改进链路权重

4.4 使用矩阵和梯度下降法实现神经网络的迭代训练

4.5 手算梯度下降法,详解神经网络迭代训练过程

第5章 用Python从零实现识别手写数字的神经网络

5.1 基本框架的搭建

5.2 实现网络的迭代训练功能

5.3 网络训练,识别手写数字图片

第6章 神经网络项目实践

6.1 使用神经网络分析电影评论的正能量和负能量

6.2 使用神经网络实现新闻话题分类

6.3 使用神经网络预测房价中位数

第7章 使用神经网络实现机器视觉识别

7.1 卷积神经网络入门

7.2 从零开始构造一个识别猫、狗图片的卷积网络

7.3 使用预先训练的卷积网络实现图像快速识别

7.4 视觉化神经网络的学习过程

7.5 揭秘卷积网络的底层原理

第8章 用深度学习实现自然语言处理

8.1 Word Embedding单词向量化

8.2 概率论的一些重要概念

8.3 skip-gram单词向量化算法的数学原理

8.4 使用预先训练好的单词向量实现新闻摘要分类

8.5 RNN——具有记忆功能的神经网络

8.6 LSTM网络层详解及其应用

8.7 使用RNN和CNN混合的“鸡尾酒疗法”提升网络运行效率

第9章 自动编解码网络和生成型对抗性网络

9.1 自动编解码器网络的原理与实现

9.2 去噪型编解码网络

9.3 使用自动编解码网络实现黑白图片上色

9.4 生成型对抗性网络

9.5 生成型对抗性网络的代码实现

9.6 条件性生成型对抗性网络

第10章 增强性学习网络开发实践

10.1 增强性学习网络的基本原理

10.2 开发环境配置

10.3 增强性学习网络的数学原理

10.4 Bellman函数和最优化

10.5 Bellman等式的推导

10.6 用实例讲解Bellman函数的应用

10.7 解决冰冻湖问题

10.8 ε贪婪算法

10.9 运用神经网络和Bellman函数解决Cartpole问题

第11章 TensorFlow入门

11.1 TensorFlow图运算原理

11.2 TensorFlow代码实践

11.3 TensorFlow的输入、变量、输出及运算操作

11.4 TensorFlow的变量定义

11.5 TensorFlow的运算输出及运算操作

11.6 用TensorFlow开发神经网络的相关操作

11.7 开发TensorFlow程序应注意的事项

11.8 使用TensorFlow开发神经网络

第12章 使用TensorFlow和Keras开发高级自然语言处理系统

12.1 Skip-Gram算法实现

12.2 使用RNN网络模型的基本原理

12.3 代码实现RNN网络

12.4 LSTM网络的结构原理

12.5 使用LSTM网络实现人机问答系统

第13章 使用TensorFlow和Keras实现高级图像识别处理系统

13.1 实现艺术风格的转换

13.2 使用胶囊网络实现服装识别

13.3 使用TensorFlow API实现精准物体识别

13.4 DeeDream:使用神经网络构造具有惊悚审美效果的艺术作品

第14章 使用TensorFlow和Keras打造智能推荐系统

14.1 创造一个网易云音乐推荐引擎

14.2 使用TensorFlow构建高质量商品推荐系统

14.3 实现淘宝“拍立淘”图片搜索引擎

第15章 深度学习的重要概念和技巧总结

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部