具體描述
本書從深度學習的發展曆程講起，以豐富的圖例從理論和實踐兩個層麵介紹瞭深度學習的各種方法，以及深度學習在圖像識彆等領域的應用案例。內容涉及神經網絡、捲積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹瞭包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。
本書圖例豐富，清晰直觀，適閤所有對深度學習感興趣的讀者閱讀。
作者簡介
作者簡介：
山下隆義
1978年齣生於日本神戶，2002年修完博士前期課程，並於當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發。2011年在日本中部大學研究生院工學研究科修完博士後期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程係講師。目前從事動畫處理、模式識彆和機器學習相關的研究。曾多次榮獲日本深度學習研究相關奬項，並在多個相關研討會上擔任講師。
譯者簡介：
張彌（譯者）
畢業於大連外國語大學日本語學院。現就職於某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發和醫學翻譯經驗。喜歡挑戰新事物，樂於學習新知識和接觸新領域。
目錄資訊
1.1 深度學習與機器學習 2
1.2 深度學習的發展曆程 3
1.3 為什麼是深度學習 6
1.4 什麼是深度學習 7
1.5 本書結構 9
第2章 神經網絡
2.1 神經網絡的曆史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反嚮傳播算法 19
2.6 誤差函數和激活函數 28
2.7 似然函數 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結 33
第3章 捲積神經網絡
3.1 捲積神經網絡的結構 36
3.2 捲積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸齣層 41
3.6 神經網絡的訓練方法 41
3.7 小結 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經網絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網絡 64
4.6 小結 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結 98
第7章 深度學習工具
7.1 深度學習開發環境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練係統——DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結 176
第8章 深度學習的現在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結 197
參考文獻 198
作者介紹 207
· · · · · · (收起)
讀後感
評分
評分
評分
評分
用戶評價
一個科普的書名，裏麵的數學推理卻相對嚴謹，配上大量的圖示，確實明朗。不過缺點也一樣明顯：深度不夠，行文較為晦澀，對於零基礎的讀者不太友好。再版的時候改變一下編寫思路會好很多。（話說日本人寫書不都挺接地氣的麼，這本書刷新瞭刷新瞭認知）
评分前6章介紹基本神經網絡模型和部分推導，後麵羅列瞭各種平颱，tf占據一小節，適閤入門的小冊子
评分書寫的不好，邏輯性差。東拉西扯，公式和圖一籮筐，但對於閱讀理解沒什麼幫助。
评分工作後偶然重讀，體係化的掃盲介紹，地鐵上快速翻完，能幫我迴憶起來零碎的知識點和考點。想到曾經復習考試，這些公式都是自己手推過一遍的，一陣唏噓，畢業兩年理論基礎基本忘完。
评分適閤初學者
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有