人工智能算法(卷3):深度学习和神经网络

自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。
【推荐语】
1.本卷研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 和可视化； 2.丰富的示例代码和在线资源，方便动手实践与拓展学习； 3.提供在线实验环境； 4.全彩印刷； 5.《人工智能算法 卷3 深度学习和神经网络》是系列图书第3本，卷1《人工智能算法 卷1 基础算法》、卷2《人工智能算法 卷2 受大自然启发的算法》已在人民邮电出版社出版；。 自人工智能的早期阶段以来，神经网络就扮演着至关重要的角色。现在，令人兴奋的新技术，例如深度学习和卷积，正在将神经网络带向一个全新的方向。本书结合各种现实世界任务中的神经网络应用，例如图像识别和数据科学，介绍了当前的神经网络技术，包括ReLU激活、随机梯度下降、交叉熵、正则化、Dropout和可视化。 本书的目标读者是那些对人工智能感兴趣，但苦于没有良好的数学基础的人。读者只需要对大学代数课程有基本了解即可。本书为读者提供配套的示例程序代码，目前已有Java、C#和Python版本。 推荐阅读： 《人工智能算法（卷1）：基础算法》ISBN：9787115523402 《人工智能算法（卷2）：受大自然启发的算法》ISBN：9787115544315
【作者】
[美] 杰弗瑞·希顿（Jeffery Heaton）他既是一位活跃的技术博主、源贡献者，也是十多本图书的作者。他的专业领域包括数据科学、预测建模、数据挖掘、大数据、商务智能和人工智能等。他拥有华盛顿大学信息管理学硕士学位，是IEEE的高级会员、Sun认证Java程序员、源机器学习框架Encog的首席发人员。