神经网络设计与实现

1星价 ¥65.0 (7.3折)

2星价￥65.0 定价￥89.0

作者：[英]列奥纳多·德·马尔希(Leonar

出版社：机械工业出版社

本类榜单：计算机/网络

分类：计算机/网络 > 人工智能

暂无评论

图文详情

ISBN：9787111683506
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：16开
页数：216
出版时间：2021-06-01
条形码：9787111683506 ; 978-7-111-68350-6

本书特色

适读人群：本书为中阶书籍，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。系统性——本书系统地整理了神经网络的知识体系，从机器学习基础、深度学习和高级应用领域三个层面来串联神经网路所涉及的知识点，使读者对神经网络技术的理解更具系统性、条理性和全面性。可读性——本书在编排上由浅入深，在语言表达上力求通俗易懂，并通过增加图例、示例以及必要的数学推导来理解抽象的概念。同时提供了延伸阅读，便于读者查用。实践性——本书通过解决具体问题（如计算机视觉问题、NLP问题等）来介绍神经网络和深度学习的核心理论。

内容简介

本书是一本神经网络实践进阶指南，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。本书从机器学习基础、深度学习应用和不错机器学习这三个方面入手，结合算法理论、代码实现和应用场景，介绍了机器学习的新动向和新技术。本书分为三部分：部分网络神经入门，主要介绍了人工智能历史、机器学习概述和神经网络基础；第二部分，深度学习应用，主要是基于卷积神经网络图像处理、文本挖掘、循环神经网络、利用迁移学习重用神经网络；第三部分，不错应用领域，主要介绍对生成对抗网络、自动编码器、损失函数、深度信度网络、强化学习基本定义等。

节选

前　　言从医疗诊断到金融预测，甚至是机器诊断，神经网络（Neural Network，NN）的应用范围非常广泛，在深度学习和人工智能（Artificial Intelligence，AI）中发挥着非常重要的作用。本书旨在指导读者以实践的方式学习神经网络。书中首先会简要介绍感知器网络，为你后面的学习奠定基础。然后，你可以开始了解机器学习及AI的未来。接下来，你将学习如何使用嵌入技术来处理文本数据，以及长短期记忆（Long Short-Term Memory，LSTM）网络在解决常见自然语言处理（Natural Language Processing，NLP）问题时的作用。后面的章节将演示如何实现高级概念，包括迁移学习、生成对抗网络（Generative Adversarial Network，GAN）、自编码器（Autoencoder，AE）和强化学习（Reinforcement Learning，RL）。*后，你还可以了解更多神经网络领域的*新进展。通过阅读本书，读者可以掌握构建、训练和优化自己的神经网络模型的技能，这些神经网络能够提供可预测的解决方案。本书目标读者本书为中阶书籍，适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。本书结构第1章涵盖AI（尤其是深度学习）的总体情况。还会介绍从数据变换到评估结果的一系列主要的机器学习概念，这在接下来的深度学习应用章节中非常有用。第2章介绍深度学习的基础知识及其背后的数学原理。我们还将探索感知器和梯度下降等方面的概念，以及它们背后的数学原理。然后，我们将举例说明如何用它们来构建神经网络，以解决分类问题。第3章介绍用于解决特定领域问题的更复杂的网络架构。特别是，我们将研究解决某些计算机视觉问题的一些技术。还将介绍预训练的网络如何减少创建和训练神经网络所需的时间。第4章展示如何将深度学习用于NLP任务，尤其是如何使用嵌入来处理文本数据。此外，本章还会讲解其背后的理论以及一些实际用例。第5章介绍一种更复杂的网络—RNN，以及其背后的数学原理和概念。特别是，我们将专注于LSTM以及如何将其用于解决NLP问题。第6章介绍迁移学习。迁移学习是一种将学习泛化到不同的任务，而不仅限于其学习以解决的任务的模型能力。我们还将看到一个使用预训练网络的迁移学习具体示例，通过Keras和著名的VGG网络解决我们的特定问题。第7章介绍过去十年中机器学习*具创新性的概念之一—GAN。我们将学到GAN的工作原理以及它们背后的数学原理。我们还将提供一个示例，说明如何实现一个GAN来生成简单的手写数字。第8章讨论什么是自编码器、其背后的数学原理，以及它可以解决哪些问题。特别是，我们将研究如何改进简单的自编码器算法，以及如何通过Keras用自编码器生成简单的手写数字。第9章讨论什么是深度置信网络（DBN）、其背后的数学原理，以及它们可以解决的问题。第10章从基本概念（例如蒙特卡洛方法和马尔可夫链方法）开始介绍RL。然后，我们将介绍传统的RL方法以及深度学习是如何改善和振兴这个领域的。第11章简要总结本书中涉及的所有主题。我们还将向读者提供其他可参考材料的详细信息。*后，我们还将简述神经网络领域可以期待的*新进展。如何充分利用本书具备一些统计学知识将有助于你更充分地利用本书。下载示例代码及彩色图像本书的示例代码及所有截图和样图，可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。本书的代码包也托管在GitHub上（https://github.com/PacktPublishing/Hands-On-Neural-Networks）。如果代码有更新，将在已有的GitHub仓库中进行更新。我们还提供PDF文件，其中包含本书中使用的屏幕截图或图表的彩色图像。你可以在http://www.packtpub.com/sites/default/files/downloads/9781788992596_ColorImages.pdf下载。本书约定本书中使用了许多排版约定。 CodeInText（代码体）：书中的代码、数据库表名称、文件夹名称、文件名、文件扩展名、路径名、用户输入和推特用户名均用代码体表示。例如：“我们选择使用tanh作为激活函数。” 代码块格式如下：在需要你特别注意的部分，相关的代码行或代码项将以粗体显示：命令行输入或输出的格式如下：表示警告或重要提示。表示提示和技巧。

作者简介

列奥纳多·德·马尔希（Leonardo De Marchi）目前是Badoo的数据科学家主管，Badoo是世界上的大型交友网站之一，拥有超过4亿名用户。他也是ideai.io（一家专门从事机器学习培训的公司）的首席教练，为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位，曾在体育界担任数据科学家。劳拉·米切尔（Laura Mitchell）目前是Badoo的首席数据科学家。Laura在NLP、图像分类和推荐系统等项目的交付方面具有丰富的实践经验，包括从*初的构思到产品化。她热衷于学习新技术并紧跟行业趋势。

本类五星书