您好,欢迎来到聚文网。 登录 免费注册
深度学习(R语言实践指南)/智能系统与技术丛书

深度学习(R语言实践指南)/智能系统与技术丛书

  • 出版社: 机械工业
  • 作者: (美)托威赫·贝索洛|译者:潘怡
  • 商品条码: 9787111604372
  • 版次: 1
  • 开本: 16开
  • 页数: 212
  • 出版年份: 2018
  • 印次: 1
定价:¥59 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
托威赫·贝索洛著的《深度学习》由经验丰富的 机器学习专家撰写,旨在通过对机器学习、深度学习 、基本概念和基础理论的介绍及实际案例的讲解,帮 助你了解相关技术的用途,并能有效地应用其解决实 际问题。 本书共11章,主要涵盖深度学习的数学理论基础 ,包括重要的统计学和线性代数的相关基本概念和知 识的回顾;深度学习的各种典型模型,例如传统的单 层感知器模型、多层感知器模型,以及卷积神经网络 、循环神经网络、受限玻耳兹曼机、深度信念网络等 一些较为复杂的模型;构建深度学习模型的实验设计 方法以及实验过程中的特征选择方法;应用R语言进 行机器学习和深度学习方法实践的案例,通过这些案 例,你可以增强学习机器学习和深度学习的信心,提 高对实际问题的解决能力。
目录
译者序 关于作者 关于技术审稿人 前言 第1章 深度学习简介 1.1 深度学习模型 1.1.1 单层感知器模型 1.1.2 多层感知器模型 1.1.3 卷积神经网络 1.1.4 循环神经网络 1.1.5 受限玻耳兹曼机 1.1.6 深度信念网络 1.2 其他 1.2.1 实验设计 1.2.2 特征选择 1.2.3 机器学习及深度学习应用 1.2.4 深度学习的历史 1.3 小结 第2章 数学知识回顾 2.1 统计学基本概念 2.1.1 概率 2.1.2 交与并 2.1.3 贝叶斯定理 2.1.4 随机变量 2.1.5 方差 2.1.6 标准差 2.1.7 可决系数 2.1.8 均方误差 2.2 线性代数 2.2.1 标量和向量 2.2.2 向量的特性 2.2.3 公理 2.2.4 子空间 2.2.5 矩阵 2.3 小结 第3章 优化及机器学习回顾 3.1 无约束优化 3.1.1 局部极小值 3.1.2 全局极小值 3.1.3 局部极小值的条件 3.2 近邻算法 3.3 机器学习方法:有监督学习 3.3.1 机器学习的历史 3.3.2 什么是算法 3.4 回归模型 3.5 选择合适的学习速率 3.5.1 牛顿法 3.5.2 Levenberg-Marquardt启发式方法 3.6 多重共线性 3.7 评价回归模型

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网