定价：58元
印次：1-2
ISBN：9787302691150
出版日期：2025.06.01
印刷日期：2026.01.04
图书责编：袁勤勇
图书分类：教材
电子书
在线购买
分享
"本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。全书由5章内容组成。第1章介绍了深度学习的基本概况，包括深度学习的基本概念、应用领域和深度学习程序的框架等。第2章介绍了神经网络的基本原理，包括神经元模型、激活函数、神经网络的训练过程等。第3章介绍了基于Keras的全连接前馈神经网络编程方法，包括运行深度学习程序的硬件环境和软件环境、张量、使用全连接前馈神经网络处理回归问题和分类问题的编程方法。第4章介绍了卷积神经网络的原理和编程方法，包括卷积计算、池化计算、使用Keras进行卷积神经网络编程的方法、卷积神经网络的常用方法、经典的卷积神经网络模型和迁移学习方法。第5章介绍了循环神经网络的原理和编程方法，包括循环神经网络的特点、词语嵌入编码的原理、长短期记忆模型网络、门控循环单元网络、基于Keras对简单循环神经网络和长短期记忆模型网络进行编程的方法。 本书可以作为高等院校智能科学与技术、人工智能、智能制造工程等人工智能类专业的教材，也可以作为人工智能领域技术人员自学或参考的书籍。 "
第1章概述1
1.1深度学习的发展历史1
1.2深度学习的基本概念4
1.2.1人工智能4
1.2.2机器学习4
1.2.3深度学习7
1.2.4人工智能和机器学习、深度学习之间的关系10
1.3深度学习的应用领域11
1.3.1深度学习在计算机视觉中的应用11
1.3.2深度学习在自然语言处理中的应用14
1.3.3深度学习在语音识别中的应用15
1.3.4深度学习在棋类比赛中的应用15
1.3.5深度学习在游戏开发中的应用16
1.3.6深度学习在医疗保健中的应用16
1.3.7深度学习在自动驾驶中的应用17
1.3.8深度学习在金融领域中的应用17
1.4深度学习程序的框架18
思考练习25
第2章神经网络的基本原理26
2.1神经元模型和神经网络26
2.1.1人工神经元模型26
2.1.2神经网络28
2.2激活函数的定义和特点31
2.2.1Sigmoid激活函数32
2.2.2Tanh激活函数33
2.2.3ReLU和Leaky ReLU激活函数34
2.2.4Piecewise Linear激活函数34
2.2.5Softmax激活函数35
2.3神经网络的训练过程36
2.3.1样本数据的预处理方法37
2.3.2网络参数的初始化方法39
2.3.3前向传播算法的原理40
2.3.4损失函数的定义41
2.3.5梯度下降方法的原理41
2.3.6反向传播算法的原理44
2.4神经网络的过拟合现象和解决办法47
2.4.1过拟合现象47
2.4.2L1正则化方法和L2正则化... 查看详情
