万本电子书0元读

万本电子书0元读

顶部广告

实战深度学习算法:零起点通关神经网络模型(基于Python和NumPy实现)电子书

售       价:¥

纸质售价:¥71.30购买纸书

239人正在读 | 0人评论 6.2

作       者:徐彬

出  版  社:电子工业出版社

出版时间:2019-09-01

字       数:8.2万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

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)
深度学习是机器学习的重要分支。本书系统地介绍了如何用 Python 和 NumPy 一步步地实现深度学习的基础模型,无须借助 TensorFlow、PyTorch 等深度学习框架,帮助读者更好地理解底层算法的脉络,进而进行模型的定制、优化和改进。全书由简到难地讲述感知机模型、多分类神经网络、深层全连接网络、卷积神经网络、批量规范化方法、循环神经网络、长短时记忆网络、双向结构的 BiGRU 模型等神经网络模型的必要算法推导、实现及其实例,读者可直接动手调试和观察整个训练过程,进一步理解模型及其算法原理。 Array
【推荐语】
Array
【作者】
Array
目录展开

前言

符号表

第1章 基础分类模型

1.1 深度学习简介

1.2 目标问题:空间中的二分类

1.3 感知机模型

1.4 算法实现

1.5 小结

参考文献

第2章 第一个神经网络

2.1 目标问题:MNIST手写数字识别

2.2 挑战:从二分类到多分类

2.3 Softmax方法

2.4 正确分类的独热编码

2.5 损失函数——交叉熵

2.6 信息熵和交叉熵

2.7 第一个神经网络的学习算法

2.8 反向传播

2.9 抽象泄漏

2.10 算法实现

2.11 小结

参考文献

第3章 多层全连接神经网络

3.1 第一个挑战:异或问题

3.2 更深的神经网络——隐藏层

3.3 第二个挑战:参数拟合的两面性

3.4 过拟合与正则化

3.5 第三个挑战:非线性可分问题

3.6 激活函数

3.7 算法和结构

3.8 算法实现

3.9 小结

参考文献

第4章 卷积神经网络(CNN)

4.1 挑战:参数量和训练成本

4.2 卷积神经网络的结构

4.3 卷积神经网络学习算法

4.4 算法实现

4.5 小结

参考文献

第5章 卷积神经网络——算法提速和优化

5.1 第一个挑战:卷积神经网络的运算效率

5.2 提速改进

5.3 反向传播算法实现

5.4 第二个挑战:梯度下降的幅度和方向

5.5 递减学习率参数

5.6 学习策略的优化方法

5.7 总体模型结构

5.8 使用CNN实现MNIST手写数字识别验证

5.9 小结

参考文献

第6章 批量规范化(Batch Normalization)

6.1 挑战:深度神经网络不易训练

6.2 批量规范化方法的初衷

6.3 批量规范化的算法

6.4 批量规范化的效果

6.5 批量规范化为何有效

6.6 批量规范化的反向传播算法

6.7 算法实现

6.8 调整学习率和总体结构

6.9 在MNIST数据集上验证结果

6.10 小结

参考文献

第7章 循环神经网络(Vanilla RNN)

7.1 第一个挑战:序列特征的捕捉

7.2 循环神经网络的结构

7.3 RNN前向传播算法

7.4 RNN反向传播算法

7.5 第二个挑战:循环神经网络的梯度传递问题

7.6 梯度裁剪

7.7 算法实现

7.8 目标问题:序列数据分析

7.9 小结

参考文献

第8章 长短时记忆网络(LSTM)——指数分析

8.1 目标问题:投资市场的指数分析

8.2 挑战:梯度弥散问题

8.3 长短时记忆网络的结构

8.4 LSTM前向传播算法

8.5 LSTM反向传播算法

8.6 算法实现

8.7 实现沪深300指数分析

8.8 小结

参考文献

第9章 双向门控循环单元(BiGRU)——情感分析

9.1 目标问题:情感分析

9.2 第一个挑战:模型的运算效率

9.3 GRU模型的结构

9.4 GRU前向传播算法

9.5 GRU前向传播表达式的其他写法

9.6 GRU反向传播算法

9.7 GRU算法实现

9.8 用GRU模型进行情感分析

9.9 首次验证

9.10 第二个挑战:序列模型的过拟合

9.11 Dropout正则化

9.12 再次验证:GRU+Dropout

9.13 第三个挑战:捕捉逆序信息

9.14 双向门控循环单元(BiGRU)

9.15 第三次验证:BiGRU+Dropout

9.16 小结

参考文献

附录A 向量和矩阵运算

附录B 导数和微分

附录C 向量和矩阵导数

附录D 概率论和数理统计

参考文献

后记

索引

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