为你推荐
内容简介
编写组
总序
前言
第1章 深度学习的来源与应用
1.1 人工智能的思想、流派与发展起落
1.2 什么是深度学习
1.3 机器学习与深度学习
1.4 深度学习的应用场景
习题
参考文献
第2章 深度学习的数学基础
2.1 线性代数
2.2 概率与统计
2.3 多元微积分
习题
参考文献
第3章 人工神经网络与深度学习
3.1 探秘大脑的工作原理
3.2 人脑神经元模型
3.3 M-P模型
3.4 人脑神经网络的互连结构
3.5 人工神经网络的学习
3.6 人工神经网络的特点
3.7 神经网络基本概念与功能
3.8 深度学习其他网络结构
习题
参考文献
第4章 深度学习基本过程
4.1 正向学习过程
4.2 反向调整过程
4.3 手写体数字识别实例
习题
参考文献
第5章 深度学习主流模型
5.1 卷积神经网络
5.2 循环神经网络
习题
参考文献
第6章 深度学习的主流开源框架
6.1 Caffe
6.2 TensorFlow
6.3 其他开源框架
习题
参考文献
第7章 深度学习在图像中的应用
7.1 图像识别基础
7.2 基于深度学习的大规模图像识别
7.3 应用举例:人脸识别
7.4 应用举例:图像风格化
7.5 应用举例:图像标注
习题
参考文献
第8章 深度学习在语音中的应用
8.1 语音识别基础
8.2 基于深度学习的连续语音识别
8.3 应用举例:语音输入法
习题
参考文献
第9章 深度学习在文本中的应用
9.1 自然语言处理基础
9.2 基于深度学习的文本处理
9.3 应用举例:机器翻译
9.4 应用举例:聊天机器人
习题
参考文献
第10章 深度学习前沿发展
10.1 增强学习
10.2 迁移学习
10.3 记忆网络
10.4 深度学习的硬件实现
习题
参考文献
附录A 人工智能和大数据实验环境
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜