简介
《深入浅出深度学习》对深度学习进行了深入浅出的介绍,语言简明扼要、通俗易懂。介绍了各个时期最著名的联结主义模型，同时以简单、直观的形式展示了各种最流行的算法和体系结构，详细解释了数学求导过程。本书的内容涵盖卷积网络、LSTM、word2vec、RBM、DBN、神经图灵机、记忆网络以及自动编码器。此外，本书还提供了大量可以实际运行的Python代码示例。 主要内容 介绍机器学习的基础知识以及深度学习的数学和计算先决条件 讨论前馈神经网络,并探索可以应用于任何神经网络的修改 探讨卷积神经网络,以及前馈神经网络的循环连接 描述分布式表示的概念、自动编码器的概念，以及使用深度学习进行语言处理背后的思想 简单介绍人工智能和神经网络的发展历史,提出深度学习和联结主义的各种有趣的开放性研究问题
编辑推荐
《深入浅出深度学习》首先对人工智能和深度学习的历史发展做了简单介绍，然后介绍一些必需的数学概念，接着为大家提供了机器学习的基础知识，随后详细介绍几种神经网络模型以及不同的神经网络体系结构。从结构上来说，是非常合理的。从全局到细微，由表及里，引导大家逐步深入了解所介绍的内容。无论是初学者，还是有一定经验的用户，都可以从中受益良多。另外，对于超出本书介绍范围的内容作者还推荐了一些参考著作,使有兴趣和有能力的读者可以进一步拓展知识范围从而对相关内容有更全面、更深入的了解。
更多出版物信息
- 版权： 清华大学出版社
- 出版： 2021-04-01
- 更新： 2023-06-22
- 书号：9787302573210
- 中图：TP181
- 学科：工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
