内容简介
目 录
前 言
上架建议
作者简介
获奖信息
编辑推荐
配套资源
音视频专区
全书分为7 个章节。第1 章绪论,梳理了人工智能不同技术流派的特点、深度学习的发展及前沿技术;第2 章介绍相关预备知识,包括线性代数、概率论、优化理论以及机器学习的基础知识;第3 章从前馈神经网络的基础模型——感知器出发,介绍前馈神经网络的基本结构以及涉及的激活函数、梯度下降、反向传播等内容;第4 章,介绍深度模型的优化问题,讨论了神经网络优化中常见的病态问题;第5 章介绍深度学习中的正则化方法,包括范数惩罚、数据集增强与噪声注入、提前停止等;第6 章介绍了卷积神经网络,以及卷积神经网络在计算机视觉领域的具体应用;第7 章通过实际案例介绍循环神经网络与卷积神经网络的结合应用。