×
暂无评论
图文详情
  • ISBN:9787111752691
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:240
  • 出版时间:2024-05-01
  • 条形码:9787111752691 ; 978-7-111-75269-1

本书特色

读者通过本书可以掌握深度学习的基本原理、核心技术以及实践技能。 各章内容相对独立,读者可根据需要选择阅读。 每章附有复习题和实验题,便于读者复习重要知识点和进行实践技能锻炼。 每章附有“本章人物”专栏,介绍与该章内容相关的著名科学家。 附录中给出了数学基础知识和中英文术语对照,便于读者查阅学习。

内容简介

深度学习是人工智能的重要分支,在多个应用领域取得了突破性成果。本书作为深度学习的入门教材,基本涵盖了深度学习的各个方面。全书共8章,第1章概要介绍了深度学习的基本概念、典型算法及应用;第2~5章是本书的核心内容,详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用;第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型;第7章介绍了深度学习中常用的正则化与优化方法;第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习框架。本书每章都附有复习题,中间各章还附有实验题,便于读者复习知识点和进行实践锻炼。此外,附录中还给出了一些数学基础知识和中英文术语对照。<br />本书可作为高等院校计算机科学与技术、智能科学与技术、自动化、电子科学与技术等相关专业的研究生或本科生教材,也可作为深度学习研究人员与算法工程师的参考书。

目录

目录序前言主要符号表第1章 引言 11.1 深度学习的起源与发展 11.1.1 深度学习的起源 11.1.2 深度学习的发展 21.2 深度学习与机器学习、人工智能的关系 41.2.1 人工智能 41.2.2 机器学习 41.2.3 深度学习 51.3 深度学习的基本概念和典型算法 61.3.1 深度学习的基本概念 61.3.2 典型深度学习算法 61.4 深度学习的主要应用概述 121.4.1 深度学习在计算机视觉领域的应用 121.4.2 深度学习在语音处理领域的应用 131.4.3 深度学习在自然语言处理领域的应用 141.4.4 深度学习在多模态处理领域的应用 141.5 本书的组织结构 14复习题 15参考文献 15本章人物:Geoffrey Hinton教授 18第2章 卷积神经网络 192.1 卷积神经网络的起源与发展 192.1.1 卷积神经网络的起源 192.1.2 卷积神经网络的发展 202.2 卷积神经网络的基本结构 212.2.1 卷积层 212.2.2 激活函数 262.2
展开全部

作者简介

徐俊刚 中国科学院大学计算机科学与技术学院教授,博士生导师,云计算与智能信息处理实验室(Cloud Computing & Intelligent Information Processing Lab,CCIP实验室)主任,中国科学院大学第六届学位评定委员会计算机与控制学位评定委员会委员,计算机科学与技术学院教学委员会委员,计算机科学与技术学院“深度学习”课程首席教授。2003年博士毕业于中国科学院软件研究所,2005年清华大学计算机科学与技术系博士后出站。研究领域包括深度学习、自动机器学习和多模态智能分析等,主持国家科技支撑计划课题、国家自然科学基金面上项目、北京市科技计划课题、北京市自然科学基金面上项目等科研项目多项,发表论文100余篇。现为国家科技专家库专家,北京市科学技术委员会、中关村科技园区管理委员会专家。目前任中国人工智能学会智能服务专业委员会常务委员,中国计算机学会人工智能与模式识别专业委员会执行委员、数据库专业委员会执行委员和自然语言处理专业委员会执行委员。讲授的“深度学习”课程被评为2021年中国科学院大学“校级优秀研究生课程”,个人荣获2016年“中国科学院朱李月华优秀教师奖”。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航