新書推薦：
《
首发经济：重塑商业生态与消费未来
》
售價：NT$
301.0
《
中国国家地理 美丽的地球·生命交响（全6册）
》
售價：NT$
2897.0
《
前世今生：穿越时空的灵魂伴侣
》
售價：NT$
301.0
《
出瀛海：晚清诗人的海外观察与体验（九州之外，更有瀛海，全球视野下的中外交流史力作！ ）
》
售價：NT$
296.0
《
制造规则 ： 国际标准建立背后的历史与博弈
》
售價：NT$
449.0
《
货币与政府
》
售價：NT$
602.0
《
昨日今朝（网络原名：今朝欢愉）
》
售價：NT$
254.0
《
靖难之役：明朝初年的改革、削藩、政争与叛乱
》
售價：NT$
398.0
|
| 內容簡介： |
|
本书首先简要介绍流行的TensorFlow库，并讲解如何用它训练不同的神经网络。 你将深入了解神经网络的基础知识和它背后的数学原理，以及为什么我们会选择TensorFlow训练神经网络。然后，你将实现一个简单的前馈神经网络。接下来，你将使用TensorFlow掌握神经网络的优化技术和算法，以及一些更复杂的神经网络的实现。*后，你将对如何利用TensorFlow的强大功能来训练各种复杂的神经网络有一个正确的理解。
|
| 關於作者： |
|
曼普里特•辛格•古特（Manpreet Singh Ghotra）在企业和大数据软件方面拥有超过15年的软件开发经验。 目前，他正致力于开发一个机器学习平台 API，该平台主要使用诸如TensorFlow、Keras、Apache Spark和PredictionIO等开源库和框架进行开发。他在各种机器学习应用场景上有丰富的经验，其中包括情感分析、垃圾邮件检测、图像调整和异常检测。他是世界上最大在线零售商之一机器学习组的成员，主要工作是使用R和Apache Mahout做运输时间优化。他拥有机器学习方面的研究生学位，为机器学习社区工作并贡献卓越。
|
| 目錄：
|
译者序
作者简介
审校者简介
前言
第1 章 神经网络的数学原理1
1.1 理解线性代数1
1.1.1 环境设置2
1.1.2 线性代数的数据结构3
1.1.3 线性代数运算4
1.1.4 求解线性方程 · 9
1.1.5 奇异值分解11
1.1.6 特征值分解14
1.1.7 主成分分析14
1.2 微积分15
1.2.1 梯度16
1.2.2 Hessian 矩阵23
1.2.3 行列式24
1.3 最优化25
1.4 总结28
第2 章 深度前馈神经网络29
2.1 定义前馈神经网络29
2.2 理解反向传播30
2.3 在TensorFlow 中实现前馈神经网络 · 31
2.4 分析Iris 数据集 · 34
2.5 使用前馈网络进行图像分类40
2.6 总结54
第3 章 神经网络的优化 · 55
3.1 什么是优化55
3.2 优化器的类型56
3.3 梯度下降57
3.3.1 梯度下降的变体58
3.3.2 优化梯度下降的算法59
3.4 优化器的选择61
3.5 总结64
第4 章 卷积神经网络 · 65
4.1 卷积神经网络概述和直观理解66
4.1.1 单个卷积层的计算66
4.1.2 TensorFlow 中的CNN70
4.2 卷积操作 · 72
4.2.1 对图像进行卷积73
4.2.2 步长75
4.3 池化 · 76
4.3.1 最大池化77
4.3.2 示例代码78
4.4 使用卷积网络进行图像分类80
4.5 总结 · 102
第5 章 递归神经网络 · 103
5.1 递归神经网络介绍103
5.1.1 RNN 实现105
5.1.2 TensorFlow RNN 实现110
5.2 长短期记忆网络简介114
5.2.1 LSTM 的生命周期115
5.2.2 LSTM 实现117
5.3 情感分析122
5.3.1 词嵌入122
5.3.2 使用RNN 进行情感分析 · 128
5.4 总结134
第6 章 生成模型135
6.1 生成模型简介135
6.1.1 判别模型对生成模型136
6.1.2 生成模型的类型137
6.2 GAN · 140
6.2.1 GAN 示例141
6.2.2 GAN 的种类150
6.3 总结 · 152
第7 章 深度信念网络 · 153
7.1 理解深度信念网络154
7.2 训练模型161
7.3 标签预测162
7.4 探索模型的准确度162
7.5 DBN 在MNIST 数据集上的应用 · 163
7.5.1 加载数据集163
7.5.2 具有256 个神经元的RBM层的DBN 的输入参数 · 163
7.5.3 具有256 个神经元的RBM层的DBN 的输出 · 165
7.6 DBN 中RBM 层的神经元数量的影响 · 165
7.6.1 具有512 个神经元的RBM 层 · 165
7.6.2 具有128 个神经元的RBM 层 · 166
7.6.3 准确度指标对比166
7.7 具有两个RBM 层的DBN167
7.8 用DBN 对NotMNIST 数据集进行分类 · 169
7.9 总结172
第8 章 自编码器173
8.1 自编码算法174
8.2 欠完备自编码器175
8.3 数据集 · 175
8.4 基本自编码器177
8.4.1 自编码器的初始化177
8.4.2 AutoEncoder 类178
8.4.3 应用于MNIST 数据集的基本自编码器180
8.4.4 基本自编码器的完整代码 · 184
8.4.5 基本自编码器小结186
8.5 加性高斯噪声自编码器186
8.5.1 自编码器类187
8.5.2 应用于MNIST 数据集的加性高斯自编码器188
8.5.3 绘制重建的图像191
8.5.4 加性高斯自编码器的完整代码 · 192
8.5.5 比较基本自编码器和加性高斯噪声自编码器193
8.5.6 加性高斯噪声自编码器小结 · 194
8.6 稀疏自编码器194
8.6.1 KL 散度194
8.6.2 稀疏自编码器的完整代码 · 196
8.6.3 应用于MNIST 数据集的稀疏自编码器198
8.6.4 比较稀疏自编码器和加性高斯噪声自编码器200
8.7 总结200
第9 章 神经网络研究 · 201
9.1 神经网络中避免过拟合201
9.1.1 过拟合问题阐述201
9.1.2 过拟合解决方案202
9.1.3 影响效果203
9.2 使用神经网络进行大规模视频处理204
9.2.1 分辨率改进方案204
9.2.2 特征直方图基线205
9.2.3 定量结果205
9.3 使用双分支互向神经网络进行命名实体识别206
9.3.1 命名实体识别的例子206
9.3.2 定义Twinet207
9.3.3 结果208
9.4 双向递归神经网络208
9.5 总结209
第10 章 开始使用TensorFlow211
10.1 环境搭建211
10.2 比较TensorFlow 和Numpy212
10.3 计算图213
10.3.1 图213
10.3.2 会话对象214
10.3.3 变量215
10.3.4 域216
10.3.5 数据输入217
10.3.6 占位符和输入字典217
10.4 自动微分218
10.5 TensorBoard · 219
|
| 內容試閱：
|
如果你意识到到处都有围绕机器学习、人工智能或深度学习等术语的讨论，你可能会知道什么是神经网络。想知道如何利用它们有效地解决复杂的计算问题，或者怎样训练有效的神经网络？本书将教你所有这些以及更多的事情。
首先快速浏览流行的TensorFlow库，并了解如何用它训练不同的神经网络。之后你将深入了解神经网络的基础知识和它背后的数学原理，以及为什么选择TensorFlow训练神经网络。然后，你将实现一个简单的前馈神经网络。接下来，你将掌握使用TensorFlow进行神经网络优化的技术和算法。更进一步，你将学习如何实现一些更复杂的神经网络，如卷积神经网络（CNN）、递归神经网络（RNN）和深度信念网络（DBN）。在学习本书的过程中，为了使你对神经网络编程有深切的理解，将在真实世界的数据集上训练模型。你还将训练生成模型，并学习自编码器的应用。
在本书的最后，你将对如何利用TensorFlow的强大功能来训练各种复杂的神经网络有一个正确的理解，而不会有任何困惑。
本书内容第1章介绍神经网络中基本的代数知识、概率论和优化方法。
第2章介绍感知机、神经元和前馈神经网络的基础知识。你还将学习各种模型学习的技巧，并主要学习称为反向传播的核心学习算法。
第3章介绍对神经网络学习至关重要的优化方法。
第4章详细讨论CNN算法。CNN及其在不同数据类型中的应用也包含在该章中。
第5章详细介绍RNN算法。RNN及其在不同数据类型中的应用也包括在该章中。
第6章介绍生成模型的基础知识以及不同的生成模型。
第7章包括深度信念网络的基础知识、它们与传统神经网络的区别以及它们的实现。
第8章介绍最近处在生成模型前沿的自编码器。
第9章讨论深度学习当前和未来的具体研究内容，并包括一个参考文献。
第10章讨论TensorFlow的环境配置、TensorFlow与Numpy的比较以及自动微分的概念。
准备工作本书将指导你完成所有书中例子所需工具的安装：
Python3.4或更高版本。
TensorFlow 1.4或更高版本。
读者对象本书适合希望使用神经网络的拥有统计背景的开发人员。虽然我们将使用TensorFlow作为神经网络的基础库，但本书可以作为从深度学习数学理论向实际应用转化的通用资源。如果你对TensorFlow和Python有一些了解并希望知道比API更底层的一些情况，本书会很适合你。
本书约定表示警告或重要的注意事项。
表示提示和技巧。
下载示例代码及彩色图片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。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
