书目信息 |
题名: |
深度学习与神经网络
|
|
作者: | 赵金晶, , 李虎, , 张明, 编著 | |
分册: | ||
出版信息: | 北京 电子工业出版社 2024.02 |
|
页数: | xi, 219页 | |
开本: | 24cm | |
丛书名: | ||
单 册: | ||
中图分类: | TP18 | |
科图分类: | ||
主题词: | 机器学习--ji qi xue xi , 人工神经网络--ren gong shen jing wang luo | |
电子资源: | ||
ISBN: | 978-7-121-47373-9 |
000 | 01797nam0 2200301 450 | |
001 | 2441991016 | |
010 | @a978-7-121-47373-9@dCNY86.00 | |
100 | @a20240402d2024 em y0chiy0120 ea | |
101 | 0 | @achi |
102 | @aCN@b110000 | |
105 | @aak z 000yy | |
106 | @ar | |
200 | 1 | @a深度学习与神经网络@Ashen du xue xi yu shen jing wang luo@f赵金晶, 李虎, 张明编著 |
210 | @a北京@c电子工业出版社@d2024.02 | |
215 | @axi, 219页@c图@d24cm | |
312 | @a英文并列题名取自封面 | |
314 | @a赵金晶, 女, 1981年生, 军事科学院系统工程研究院研究员, 国防科技大学计算机学院博士毕业, 主要研究方向为网络与信息安全、人工智能技术。李虎, 男, 1987年生, 军事科学院系统工程研究院工程师, 国防科技大学计算机学院博士毕业, 主要研究方向为网络与信息安全。张明, 男, 1990年生, 军事科学院系统工程研究院工程师, 北京系统工程研究所硕士毕业, 主要研究方向为机器学习和人工智能安全。 | |
330 | @a本书分为7章。第1章绪论, 梳理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及涉及的激活函数、梯度下降、误差反向传播等内容; 第4章介绍深度模型的优化, 讨论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, 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。 | |
510 | 1 | @aDeep learning and neural networks@zeng |
586 | @a | |
606 | 0 | @a机器学习@Aji qi xue xi |
606 | 0 | @a人工神经网络@Aren gong shen jing wang luo |
690 | @aTP18@v5 | |
701 | 0 | @a赵金晶,@Azhao jin jing@f1981-@4编著 |
701 | 0 | @a李虎,@Ali hu@f1987-@4编著 |
701 | 0 | @a张明,@Azhang ming@f1990-@4编著 |
801 | 0 | @aCN@c20240402 |
905 | @dTP18@eZ302@f1@sTP18/Z302@S@Z | |
深度学习与神经网络/赵金晶, 李虎, 张明编著.-北京:电子工业出版社,2024.02 |
xi, 219页:图;24cm |
ISBN 978-7-121-47373-9:CNY86.00 |
本书分为7章。第1章绪论, 梳理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及涉及的激活函数、梯度下降、误差反向传播等内容; 第4章介绍深度模型的优化, 讨论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, 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。 |
● |
相关链接 |
正题名:深度学习与神经网络
索取号:TP18/Z302
 
预约/预借
序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
1 | 21617247 | 216172479 | 自科库301/ [索取号:TP18/Z302] | 在馆 |