滿額折
深度學習導論（簡體書）
- 系列名：深度學習系列
- ISBN13：9787115529916
- 出版社：人民郵電出版社
- 作者：(美)尤金‧查爾尼克
- 裝訂／頁數：平裝／150頁
- 規格：24cm*17cm (高/寬)
- 版次：一版
- 出版日：2021/08/01
相關商品
商品簡介
作者簡介
目次
商品簡介
《深度學習導論》講述了前饋神經網絡、Tensorflow、卷積神經網絡、詞嵌入與循環神經網絡、序列到序列學習、深度強化學習、無監督神經網絡模型等深度學習領域的基本概念和技術，通過一系列的編程任務，向讀者介紹了熱門的人工智能應用，包括計算機視覺和自然語言處理等。
本書編寫簡明扼要，理論聯繫實踐，每一章都包含習題以及補充閱讀的參考文獻。本書既可作為高校人工智能課程的教學用書，也可供從業者入門參考。
本書要求讀者熟悉線性代數、多元微積分、概率論與數理統計知識，另外需要讀者瞭解Python編程。
本書編寫簡明扼要，理論聯繫實踐，每一章都包含習題以及補充閱讀的參考文獻。本書既可作為高校人工智能課程的教學用書，也可供從業者入門參考。
本書要求讀者熟悉線性代數、多元微積分、概率論與數理統計知識，另外需要讀者瞭解Python編程。
作者簡介
作者簡介尤金·查爾尼克（Eugene Charniak），美國布朗大學計算機科學和認知科學教授，博士畢業于MIT，博士導師是人工智能之父馬文·明斯基。他是國際知名的人工智能研究者，美國人工智能學會（AAAI）會士，2011年獲美國計算語言學會（ACL）終身成就獎。除本書之外，他還撰寫了《統計語言學習》《人工智能編程》等圖書。
譯者簡介沈磊，美國計算語言學會（ACL）會員，中國計算機學會（CCF）會員，博士畢業于北京航空航天大學計算機學院，博士研究方向為人工智能、模式識別，現為vivo公司北京AI研究院NLP算法專家，主要方向為自然語言理解和自動問答。她在自然語言處理及推薦算法方向發表了多篇學術論文，申請了5項專利。
鄭春萍，教育學博士，北京郵電大學人文學院副教授，主要研究方向為應用語言學與計算機輔助翻譯。她是美國國務院“英語語言學者項目”訪問學者、英國曼徹斯特大學人文藝術學院訪問學者，曾獲北京市高等教育教學成果一等獎、北京市高校青年教學名師獎、中央電視臺“希望之星”英語風采大賽全國總決賽**指導教師獎等獎項。她主持了國家社科基金、教育部霍英東青年教師基金及教育部人文社科基金等省部級課題6項，發表學術論文40余篇，主編教材2部，出版專著1部、譯著2部。
譯者簡介沈磊，美國計算語言學會（ACL）會員，中國計算機學會（CCF）會員，博士畢業于北京航空航天大學計算機學院，博士研究方向為人工智能、模式識別，現為vivo公司北京AI研究院NLP算法專家，主要方向為自然語言理解和自動問答。她在自然語言處理及推薦算法方向發表了多篇學術論文，申請了5項專利。
鄭春萍，教育學博士，北京郵電大學人文學院副教授，主要研究方向為應用語言學與計算機輔助翻譯。她是美國國務院“英語語言學者項目”訪問學者、英國曼徹斯特大學人文藝術學院訪問學者，曾獲北京市高等教育教學成果一等獎、北京市高校青年教學名師獎、中央電視臺“希望之星”英語風采大賽全國總決賽**指導教師獎等獎項。她主持了國家社科基金、教育部霍英東青年教師基金及教育部人文社科基金等省部級課題6項，發表學術論文40余篇，主編教材2部，出版專著1部、譯著2部。
目次
第 1章 前饋神經網絡 1
1.1 感知機 3
1.2 神經網絡的交叉熵損失函數 7
1.3 導數與隨機梯度下降 11
1.4 編寫程序 15
1.5 神經網絡的矩陣表示 17
1.6 數據獨立性 19
1.7 參考文獻和補充閱讀 20
1.8 習題 21
第 2章 Tensorflow 23
2.1 預備知識 23
2.2 TF程序 26
2.3 多層神經網絡 31
2.4 其他方面 34
2.4.1 檢查點 34
2.4.2 tensordot 35
2.4.3 TF變量的初始化 37
2.4.4 TF圖創建的簡化 39
2.5 參考文獻和補充閱讀 40
2.6 習題 40
第3章 卷積神經網絡 43
3.1 濾波器、步長和填充 43
3.2 一個簡單的TF卷積例子 49
3.3 多層卷積 51
3.4 卷積細節 54
3.4.1 偏置 54
3.4.2 卷積層 55
3.4.3 池化運算(pooling) 55
3.5 參考文獻和補充閱讀 56
3.6 習題 57
第4章 詞嵌入與循環神經網絡 59
4.1 語言模型的詞嵌入 59
4.2 構建前饋語言模型 63
4.3 改進前饋語言模型 65
4.4 過擬合 66
4.5 循環網絡 69
4.6 長短期記憶模型 75
4.7 參考文獻和補充閱讀 78
4.8 習題 78
第5章 序列到序列學習 81
5.1 seq2seq模型 82
5.2 編寫一個seq2seq MT程序 84
5.3 seq2seq中的注意力機制 87
5.4 多長度seq2seq 90
5.5 編程練習 91
5.6 參考文獻和補充閱讀 93
5.7 習題 94
第6章 深度強化學習 97
6.1 值迭代 98
6.2 Q學習 101
6.3 深度Q學習基礎 103
6.4 策略梯度法 106
6.5 行動者-評論家方法 112
6.6 經驗回放 114
6.7 參考文獻和補充閱讀 115
6.8 習題 116
第7章 無監督神經網絡模型 119
7.1 基本自編碼 119
7.2 卷積自編碼 122
7.3 變分自編碼 126
7.4 生成式對抗網絡 132
7.5 參考文獻和補充閱讀 137
7.6 習題 137
附錄A 部分習題答案 139
附錄B 參考文獻 143
附錄C 索引 147
本書讚譽 151
1.1 感知機 3
1.2 神經網絡的交叉熵損失函數 7
1.3 導數與隨機梯度下降 11
1.4 編寫程序 15
1.5 神經網絡的矩陣表示 17
1.6 數據獨立性 19
1.7 參考文獻和補充閱讀 20
1.8 習題 21
第 2章 Tensorflow 23
2.1 預備知識 23
2.2 TF程序 26
2.3 多層神經網絡 31
2.4 其他方面 34
2.4.1 檢查點 34
2.4.2 tensordot 35
2.4.3 TF變量的初始化 37
2.4.4 TF圖創建的簡化 39
2.5 參考文獻和補充閱讀 40
2.6 習題 40
第3章 卷積神經網絡 43
3.1 濾波器、步長和填充 43
3.2 一個簡單的TF卷積例子 49
3.3 多層卷積 51
3.4 卷積細節 54
3.4.1 偏置 54
3.4.2 卷積層 55
3.4.3 池化運算(pooling) 55
3.5 參考文獻和補充閱讀 56
3.6 習題 57
第4章 詞嵌入與循環神經網絡 59
4.1 語言模型的詞嵌入 59
4.2 構建前饋語言模型 63
4.3 改進前饋語言模型 65
4.4 過擬合 66
4.5 循環網絡 69
4.6 長短期記憶模型 75
4.7 參考文獻和補充閱讀 78
4.8 習題 78
第5章 序列到序列學習 81
5.1 seq2seq模型 82
5.2 編寫一個seq2seq MT程序 84
5.3 seq2seq中的注意力機制 87
5.4 多長度seq2seq 90
5.5 編程練習 91
5.6 參考文獻和補充閱讀 93
5.7 習題 94
第6章 深度強化學習 97
6.1 值迭代 98
6.2 Q學習 101
6.3 深度Q學習基礎 103
6.4 策略梯度法 106
6.5 行動者-評論家方法 112
6.6 經驗回放 114
6.7 參考文獻和補充閱讀 115
6.8 習題 116
第7章 無監督神經網絡模型 119
7.1 基本自編碼 119
7.2 卷積自編碼 122
7.3 變分自編碼 126
7.4 生成式對抗網絡 132
7.5 參考文獻和補充閱讀 137
7.6 習題 137
附錄A 部分習題答案 139
附錄B 參考文獻 143
附錄C 索引 147
本書讚譽 151
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。