书目信息 |
| 题名： |
深度学习
|
|
| 作者： | 毕晓普 ， 毕晓普 著 ；邹欣 译 | |
| 分册： | ||
| 出版信息： | 北京 人民邮电出版社 2025.05 |
|
| 页数： | 12, 561页 | |
| 开本： | 26cm | |
| 丛书名： | 深度学习系列 | |
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--ji qi xue xi | |
| 电子资源： | ||
| ISBN： | 978-7-115-66370-2 | |
| 000 | 01904nam 2200337 450 | |
| 001 | 89918 | |
| 005 | 20250815081551.85 | |
| 010 | @a978-7-115-66370-2@dCNY188.00 | |
| 100 | @a20250528d2025 em y0chiy50 ea | |
| 101 | 1 | @achi@ceng |
| 102 | @aCN@b110000 | |
| 105 | @aa a 001yy | |
| 106 | @ar | |
| 200 | 1 | @a深度学习@Ashen du xue xi@e基础与概念@f(英) 克里斯托弗·M.毕晓普 休·毕晓普著@d= Deep learning@efundamentals and concepts@fChristopher M. Bishop, Hugh Bishop@g邹欣 ... [等] 译@zeng |
| 210 | @a北京@c人民邮电出版社@d2025.05 | |
| 215 | @a12, 561页@c图@d26cm | |
| 225 | 2 | @a深度学习系列@Ashen du xue xi xi lie |
| 300 | @a异步图书 | |
| 306 | @a由Springer Nature Switzerland AG授权出版 | |
| 314 | @a克里斯托弗·M.毕晓普 (Christopher M. Bishop), 微软公司技术研究员、微软研究院科学智能中心 (MicrosoftResearch Al4Science) 负责人。休·毕晓普 (Hugh Bishop), Wayve公司 (伦敦一家基于端到端深度学习的自动驾驶公司) 应用科学家, 负责设计和训练深度神经网络。 | |
| 320 | @a有书目 (第529-548页) 和索引 | |
| 330 | @a本书共20章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域 (如医疗诊断、图像合成等) 产生的深远影响 ; 继而深入探讨支撑深度学习的数学原理, 包括概率、标准分布等 ; 在网络模型方面, 从单层网络逐步深入到多层网络、深度神经网络, 详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用, 同时涵盖卷积网络、Transformer等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析, 阐释其原理、算法流程及实际应用场景。 | |
| 410 | 0 | @12001 @a深度学习系列 |
| 510 | @aDeep learning@efundamentals and concepts@zeng | |
| 606 | 0 | @a机器学习@Aji qi xue xi |
| 690 | @aTP181@v5 | |
| 701 | 1 | @a毕晓普@Abi xiao pu@g(Bishop, Christopher M.)@4著 |
| 701 | 1 | @a毕晓普@Abi xiao pu@g(Bishop, Hugh)@4著 |
| 702 | 0 | @a邹欣@Azou xin@4译 |
| 801 | 0 | @aCN@c20250909 |
| 905 | @a河南城建学院图书馆@dTP181@eB765@f1 | |
| 深度学习：基础与概念/(英) 克里斯托弗·M.毕晓普 休·毕晓普著= Deep learning：fundamentals and concepts/Christopher M. Bishop, Hugh Bishop/邹欣 ... [等] 译.-北京：人民邮电出版社，2025.05 |
| 12, 561页：图；26cm.-(深度学习系列) |
| 异步图书.-←并列题名：Deep learning：fundamentals and concepts |
| ISBN 978-7-115-66370-2：CNY188.00 |
| 本书共20章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域 (如医疗诊断、图像合成等) 产生的深远影响 ; 继而深入探讨支撑深度学习的数学原理, 包括概率、标准分布等 ; 在网络模型方面, 从单层网络逐步深入到多层网络、深度神经网络, 详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用, 同时涵盖卷积网络、Transformer等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析, 阐释其原理、算法流程及实际应用场景。 |
| ● |
| 相关链接 |
|
|
|
正题名：深度学习
索取号：TP181/B765
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1623880 | 216238809 | 自科库301/ [索取号:TP181/B765] | 在馆 |