|
000
|
01783nam 2200325 450
|
|
001
|
2441873811
|
|
010
|
|
@a978-7-302-64951-9@dCNY59.50
|
|
100
|
|
@a20231222d2023 em y0chiy0120 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aafk a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPython深度元学习算法@APython shen du yuan xue xi suan fa@f王茂发, 陈慧灵主编@g徐艳琳 ... [等] 参编
|
|
210
|
|
@a北京@c清华大学出版社@d2023.12
|
|
215
|
|
@a18, 191页, [2] 页图版@c图 (部分彩图)@d23cm
|
|
225
|
2
|
@a高等学校智能科学与技术/人工智能专业教材@Agao deng xue xiao zhi neng ke xue yu ji shu /ren gong zhi neng zhuan ye jiao cai
|
|
304
|
|
@a题名页题: 徐艳琳, 龚启舟, 冷志雄, 万泉, 颜丙辰参编
|
|
314
|
|
@a王茂发, 教授, 从事地震人工智能与深度元学习算法研究。陈慧灵, 教授, 从事智能计算方法及其在医学领域的应用研究。
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书共9章。第1章主要介绍元学习的基本概念、基本任务和基本类型; 第2章系统介绍深度学习的概念、原理和应用, 帮助读者逐步具备一定的深度学习实践能力; 第3章介绍一种简单的元学习神经网络--孪生网络; 第4章介绍原型网络及其各种变体; 第5章介绍两种有趣单样本元学习算法--关系网络和匹配网络; 第6章介绍记忆增强神经网络; 第7章进一步介绍饶有趣味且应用广泛的元学习算法--模型无关元学习及其变种; 第8章介绍另外两种经典的元学习模型--Meta-SGD和Reptile; 第9章深入介绍元学习的一些新进展与最新研究成果--基于样本抽样和任务难度自适应的深度元学习理论。
|
|
410
|
0
|
@12001 @a高等学校智能科学与技术/人工智能专业教材
|
|
586
|
|
@a
|
|
606
|
0
|
@a软件工具@Aruan jian gong ju@x程序设计@x高等学校@j教材
|
|
690
|
|
@aTP311.561@v5
|
|
701
|
0
|
@a王茂发@Awang mao fa@4主编
|
|
701
|
0
|
@a陈慧灵@Achen hui ling@4主编
|
|
702
|
0
|
@a徐艳琳@Axu yan lin@4参编
|
|
702
|
0
|
@a龚启舟@Agong qi zhou@4参编
|
|
801
|
0
|
@aCN@c20231222
|
|
905
|
|
@dTP311.561@eW271@f1@sTP311.561/W271@S@Z
|
|
|
|
|
| |
| Python深度元学习算法/王茂发, 陈慧灵主编/徐艳琳 ... [等] 参编.-北京：清华大学出版社，2023.12 |
| 18, 191页, [2] 页图版：图 (部分彩图)；23cm.-(高等学校智能科学与技术/人工智能专业教材) |
| |
| |
| ISBN 978-7-302-64951-9：CNY59.50 |
| 本书共9章。第1章主要介绍元学习的基本概念、基本任务和基本类型; 第2章系统介绍深度学习的概念、原理和应用, 帮助读者逐步具备一定的深度学习实践能力; 第3章介绍一种简单的元学习神经网络--孪生网络; 第4章介绍原型网络及其各种变体; 第5章介绍两种有趣单样本元学习算法--关系网络和匹配网络; 第6章介绍记忆增强神经网络; 第7章进一步介绍饶有趣味且应用广泛的元学习算法--模型无关元学习及其变种; 第8章介绍另外两种经典的元学习模型--Meta-SGD和Reptile; 第9章深入介绍元学习的一些新进展与最新研究成果--基于样本抽样和任务难度自适应的深度元学习理论。 |
| ● |
正题名：Python深度元学习算法
索取号：TP311.561/W271
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
21616672
|
216166725
|
自科库301/301自科库 51排4列3层/
[索取号:TP311.561/W271]
|
在馆
|
|
