-
收藏
-
加书架
-
引用
简介
主要内容 ●探索深度学习的最大似然原理和统计学基础 ●发现能输出各种可能结果的概率模型 ●学习使用标准化流来建模和生成复杂分布 ●使用贝叶斯神经网络获取模型中的不确定性
编辑推荐
世界充满了噪声和不确定性。概率深度学习模型可对这些噪声和不确定性进行建模,并将所建的模型应用于现实世界,帮助深度学习工程师评估其结果的准确性、发现错误,并加深他们对算法工作原理的理解。这对自动驾驶汽车和科学测试来说至关重要。 《概率深度学习使用Python、 Keras和TensorFlow Probability》 是关于神经网络原理的实践指南,引导读者学习使用不同数据类型的正确分布来提升网络性能,同时推导贝叶斯变体,以通过表达模型自身的不确定性来提高准确性。本书采用了主流的实现框架,提供了易于应用的代码,让读者更加注重实际应用。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2022-03-01
- 更新: 2023-11-16
- 书号:9787302598657
- 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
相关图书
-
Python深度学习异常检测 使用Keras和PyTorch
[美] 斯里达尔·阿拉(Sridhar Alla)、苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著 杨小冬 译
¥98.00 -
机器学习和深度学习:原理、算法、实战(使用Python 和 TensorFlow)
[印] 文卡塔·雷迪·科纳萨尼(Venkata Reddy Konasani)、沙伦德拉·卡德雷(Shailendra Kadre)著 秦婧 韩雨童 译
¥128.00