深度学习基础与应用--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥22.05

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

本书分四部分介绍深度学习算法模型及相关应用实例。第一部分介绍在深度学习中必备的一些数学和机器学习的基础知识。第二部分介绍卷积神经网络、循环神经网络、深度强化网络等经典模型，并对每种模型从原理、结构、优化等方面进行论述。第三部分介绍深度学习中常用的优化方法及训练技巧。第四部分结合实践来介绍深度学习在计算机视觉、模式识别中的应用。本书同时兼顾理论和应用，有助于读者理解基本理论知识，并将理论知识用于实际应用。本书既可以作为高等院校计算机及相关专业的高年级本科生和研究生教材，也可以作为对深度学习感兴趣的研究人员和工程人员的参考用书。

作者简介

武玉伟，北京理工大学特别副研究员，博士生导师。博士毕业于北京理工大学。主要研究方向为计算机视觉、机器学习。在计算机科学国际重要刊物和国际顶级学术会议发表论文30余篇。博士论文获“2016年中国人工智能学会优秀博士学位论文提名奖”。裴明涛，北京理工大学计算机学院副教授，博士生导师，主要研究方向为计算机视觉和人工智能。在IEEE TIP、IEEE TMM、PR、CVIU等重要国际刊物和ICCV、AAAI、ICME等重要国际会议上发表学术论文60余篇，获国家发明专利6项，出版学术专著一部，作为负责人主持国家自然科学基金面上项目与国家973项目子课题等10多项科研项目，获得省部级科技奖2项。梁玮，北京理工大学计算机学院副教授，博士生导师。2005年毕业于北京理工大学计算机学院，获工学博士学位。2014―2015年在加州大学洛杉矶分校客座研究。主要研究方向为计算机视觉和智能人机交互。作为项目负责人主持国家自然科学基金两项、北京市自然科学基金一项、“973计划”子课题一项。在ICCV、IJCAI、AAAI、SIGGRAPH Asia、IEEE VR、TVCG等计算机视觉、人工智能、计算机图形学以及虚拟现实等多顶级会议上和重要期刊上发表论文40余篇。吴心筱，北京理工大学副教授，博士生导师。2010年获得北京理工大学博士学位。主要研究方向为计算机视觉、图像视频内容理解。在IJCV、IEEE TIP、IEEE TMM等重要国际刊物和AAAI、ICCV、CVPR、ECCV等顶级国际会议上发表学术论文30余篇。负责国家自然科学基金青年和面上项目、教育部博士点基金等项目。博士论文获“2012年中国人工智能学会优秀博士学位论文”荣誉。

第1章绪论 1.1 人工智能 1.1.1 什么是人工智能 1.1.2 人工智能的实现途径 1.1.3 人工智能发展简史 1.2 深度学习 1.2.1 深度学习发展简史 1.2.2 深度学习的主要应用第2章基础知识 2.1 线性代数 2.1.1 线性代数基础 2.1.2 矩阵的秩及矩阵运算 2.1.3 常见特殊矩阵 2.1.4 范数 2.1.5 特征分解 2.1.6 奇异值分解 2.2 概率论 2.2.1 随机变量 2.2.2 概率分布 2.2.3 随机变量的数字特征 2.2.4 贝叶斯定理 2.2.5 常用概率分布 2.3 最优化方法 2.3.1 梯度下降法 2.3.2 牛顿法 2.3.3 拟牛顿法 2.4 机器学习 2.4.1 基本概念 2.4.2 最大似然估计 2.4.3 机器学习的三要素 2.4.4 过拟合与欠拟合 2.4.5 学习方式 2.4.6 评估方法 2.4.7 性能度量 2.5 神经网络 2.5.1 神经元模型 2.5.2 单层感知器 2.5.3 多层感知器 }3章深度卷积神经网络 3.1 卷积层和卷积运算 3.1.1 生物机理 3.1.2 卷积运算 3.2 池化层和池化运算 3.3 AlexNet卷积神经网络 3.3.1 AlexNet的提出背景 3.3.2 AlexNet的网络结构 3.3.3 AlexNet的训练细节 3.3.4 AlexNet在分类任务上的表现 3.4 VGG网络 3.4.1 VGG网络的提出背景

深度学习基础与应用

库存： {{selectedSku?.stock}} 库存充足