神经网络设计与实现

神经网络设计与实现
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
2021-06
版次: 1
ISBN: 9787111683506
定价: 89.00
装帧: 其他
开本: 16开
纸张: 胶版纸
字数: 200千字
  • 本书是一本神经网络实践进阶指南,适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。
      本书从机器学习基础、深度学习应用和高级机器学习这三个方面入手,结合算法理论、代码实现和应用场景,介绍了机器学习的新动向和新技术。本书分为三部分:第1部分网络神经入门,主要介绍了人工智能历史、机器学习概述和神经网络基础;第二部分,深度学习应用,主要是基于卷积神经网络图像处理、文本挖掘、循环神经网络、利用迁移学习重用神经网络;第三部分,高级应用领域,主要介绍对生成对抗网络、自动编码器、损失函数、深度信度网络、强化学习基本定义等。 列奥纳多·德·马尔希

    (Leonardo De Marchi)

    目前是Badoo的数据科学家主管,Badoo是全球最大的交友网站之一,拥有超过4亿名用户。他也是ideai.io(一家专门从事机器学习培训的公司)的首席教练,为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位,曾在体育界担任数据科学家。

    劳拉·米切尔

    (Laura Mitchell)

    目前是Badoo的首席数据科学家。Laura在NLP、图像分类和推荐系统等项目的交付方面具有丰富的实践经验,包括从最初的构思到产品化。她热衷于学习新技术并紧跟行业趋势。

      译者序

    前言

    第一部分 神经网络入门

    第1章 有监督学习入门2

    1.1 人工智能的历史2

    1.2 机器学习概述4

    1.2.1 有监督学习4

    1.2.2 无监督学习4

    1.2.3 半监督学习5

    1.2.4 强化学习5

    1.3 配置环境6

    1.3.1 了解虚拟环境7

    1.3.2 Anaconda8

    1.3.3 Docker9

    1.4 Python有监督学习实践9

    1.5 特征工程11

    1.6 有监督学习算法14

    1.6.1 指标15

    1.6.2 模型评估17

    1.7 总结19

    第2章 神经网络基础20

    2.1 感知器20

    2.2 Keras27

    2.3 前馈神经网络29

    2.3.1 反向传播介绍31

    2.3.2 激活函数33

    2.3.3 Keras实现36

    2.4 从头开始使用Python编写FFNN40

    2.4.1 FFNN的Keras实现43

    2.4.2 TensorBoard45

    2.4.3 XOR问题中的TensorBoard45

    2.5 总结48

    第二部分 深度学习应用

    第3章 基于卷积神经网络的图像处理50

    3.1 理解卷积神经网络50

    3.2 卷积层52

    3.2.1 池化层55

    3.2.2 丢弃层57

    3.2.3 归一化层57

    3.2.4 输出层57

    3.3 Keras中的卷积神经网络58

    3.3.1 加载数据58

    3.3.2 创建模型60

    3.3.3 网络配置60

    3.4 Keras表情识别63

    3.5 优化网络68

    3.6 总结70

    第4章 利用文本嵌入71

    4.1 面向NLP的机器学习71

    4.2 理解词嵌入73

    4.2.1 词嵌入的应用73

    4.2.2 Word2vec74

    4.3 GloVe80

    4.3.1 全局矩阵分解80

    4.3.2 使用GloVe模型82

    4.3.3 基于GloVe的文本分类85

    4.4 总结87

    第5章 循环神经网络88

    5.1 理解循环神经网络88

    5.1.1 循环神经网络原理90

    5.1.2 循环神经网络类型91

    5.1.3 损失函数94

    5.2 长短期记忆95

    5.2.1 LSTM架构95

    5.2.2 Keras长短期记忆实现98

    5.3 PyTorch基础知识102

    5.4 总结106

    第6章 利用迁移学习重用神经网络107

    6.1 迁移学习理论107

    6.1.1 多任务学习介绍108

    6.1.2 重用其他网络作为特征提取器108

    6.2 实现多任务学习108

    6.3 特征提取110

    6.4 在PyTorch中实现迁移学习110

    6.5 总结116

    第三部分 高级应用领域

    第7章 使用生成算法118

    7.1 判别算法与生成算法118

    7.2 理解GAN120

    7.2.1 训练GAN121

    7.2.2 GAN面临的挑战123

    7.3 GAN的发展变化和时间线124

    7.3.1 条件GAN125

    7.3.2 DCGAN125

    7.3.3 Pix2Pix GAN131

    7.3.4 StackGAN132

    7.3.5 CycleGAN133

    7.3.6 ProGAN135

    7.3.7 StarGAN136

    7.3.8 BigGAN138

    7.3.9 StyleGAN139

    7.3.10 Deepfake142

    7.3.11 RadialGAN143

    7.4 总结144

    7.5 延伸阅读144

    第8章 实现自编码器146

    8.1 自编码器概述146

    8.2 自编码器的应用147

    8.3 瓶颈和损失函数147

    8.4 自编码器的标准类型148

    8.4.1 欠完备自编码器148

    8.4.2 多层自编码器151

    8.4.3 卷积自编码器152

    8.4.4 稀疏自编码器155

    8.4.5 去噪自编码器156

    8.4.6 收缩自编码器157

    8.5 变分自编码器157

    8.6 训练变分自编码器159

    8.7 总结164

    8.8 延伸阅读164

    第9章 DBN165

    9.1 DBN概述165

    9.1.1 贝叶斯置信网络166

    9.1.2 受限玻尔兹曼机167

    9.2 DBN架构176

    9.3 训练DBN177

    9.4 微调179

    9.5 数据集和库179

    9.5.1 示例—有监督的DBN分类180

    9.5.2 示例—有监督的DBN回归181

    9.5.3 示例—无监督的DBN分类182

    9.6 总结183

    9.7 延伸阅读183

    第10章 强化学习184

    10.1 基本定义184

    10.2 Q-learning介绍187

    10.2.1 学习目标187

    10.2.2 策略优化188

    10.2.3 Q-learning方法188

    10.3 使用OpenAI Gym188

    10.4 冰湖问题191

    10.5 总结199

    第11章 下一步是什么200

    11.1 本书总结200

    11.2 机器学习的未来201

    11.3 通用人工智能202

    11.3.1 AI伦理问题203

    11.3.2 可解释性203

    11.3.3 自动化204

    11.3.4 AI安全性204

    11.3.5 问责制205

    11.4 结语205
  • 内容简介:
    本书是一本神经网络实践进阶指南,适合对AI和深度学习感兴趣并且想进一步提高技能的读者阅读。
      本书从机器学习基础、深度学习应用和高级机器学习这三个方面入手,结合算法理论、代码实现和应用场景,介绍了机器学习的新动向和新技术。本书分为三部分:第1部分网络神经入门,主要介绍了人工智能历史、机器学习概述和神经网络基础;第二部分,深度学习应用,主要是基于卷积神经网络图像处理、文本挖掘、循环神经网络、利用迁移学习重用神经网络;第三部分,高级应用领域,主要介绍对生成对抗网络、自动编码器、损失函数、深度信度网络、强化学习基本定义等。
  • 作者简介:
    列奥纳多·德·马尔希

    (Leonardo De Marchi)

    目前是Badoo的数据科学家主管,Badoo是全球最大的交友网站之一,拥有超过4亿名用户。他也是ideai.io(一家专门从事机器学习培训的公司)的首席教练,为大型机构和有活力的初创企业提供技术和管理培训。他拥有人工智能专业硕士学位,曾在体育界担任数据科学家。

    劳拉·米切尔

    (Laura Mitchell)

    目前是Badoo的首席数据科学家。Laura在NLP、图像分类和推荐系统等项目的交付方面具有丰富的实践经验,包括从最初的构思到产品化。她热衷于学习新技术并紧跟行业趋势。

     
  • 目录:
    译者序

    前言

    第一部分 神经网络入门

    第1章 有监督学习入门2

    1.1 人工智能的历史2

    1.2 机器学习概述4

    1.2.1 有监督学习4

    1.2.2 无监督学习4

    1.2.3 半监督学习5

    1.2.4 强化学习5

    1.3 配置环境6

    1.3.1 了解虚拟环境7

    1.3.2 Anaconda8

    1.3.3 Docker9

    1.4 Python有监督学习实践9

    1.5 特征工程11

    1.6 有监督学习算法14

    1.6.1 指标15

    1.6.2 模型评估17

    1.7 总结19

    第2章 神经网络基础20

    2.1 感知器20

    2.2 Keras27

    2.3 前馈神经网络29

    2.3.1 反向传播介绍31

    2.3.2 激活函数33

    2.3.3 Keras实现36

    2.4 从头开始使用Python编写FFNN40

    2.4.1 FFNN的Keras实现43

    2.4.2 TensorBoard45

    2.4.3 XOR问题中的TensorBoard45

    2.5 总结48

    第二部分 深度学习应用

    第3章 基于卷积神经网络的图像处理50

    3.1 理解卷积神经网络50

    3.2 卷积层52

    3.2.1 池化层55

    3.2.2 丢弃层57

    3.2.3 归一化层57

    3.2.4 输出层57

    3.3 Keras中的卷积神经网络58

    3.3.1 加载数据58

    3.3.2 创建模型60

    3.3.3 网络配置60

    3.4 Keras表情识别63

    3.5 优化网络68

    3.6 总结70

    第4章 利用文本嵌入71

    4.1 面向NLP的机器学习71

    4.2 理解词嵌入73

    4.2.1 词嵌入的应用73

    4.2.2 Word2vec74

    4.3 GloVe80

    4.3.1 全局矩阵分解80

    4.3.2 使用GloVe模型82

    4.3.3 基于GloVe的文本分类85

    4.4 总结87

    第5章 循环神经网络88

    5.1 理解循环神经网络88

    5.1.1 循环神经网络原理90

    5.1.2 循环神经网络类型91

    5.1.3 损失函数94

    5.2 长短期记忆95

    5.2.1 LSTM架构95

    5.2.2 Keras长短期记忆实现98

    5.3 PyTorch基础知识102

    5.4 总结106

    第6章 利用迁移学习重用神经网络107

    6.1 迁移学习理论107

    6.1.1 多任务学习介绍108

    6.1.2 重用其他网络作为特征提取器108

    6.2 实现多任务学习108

    6.3 特征提取110

    6.4 在PyTorch中实现迁移学习110

    6.5 总结116

    第三部分 高级应用领域

    第7章 使用生成算法118

    7.1 判别算法与生成算法118

    7.2 理解GAN120

    7.2.1 训练GAN121

    7.2.2 GAN面临的挑战123

    7.3 GAN的发展变化和时间线124

    7.3.1 条件GAN125

    7.3.2 DCGAN125

    7.3.3 Pix2Pix GAN131

    7.3.4 StackGAN132

    7.3.5 CycleGAN133

    7.3.6 ProGAN135

    7.3.7 StarGAN136

    7.3.8 BigGAN138

    7.3.9 StyleGAN139

    7.3.10 Deepfake142

    7.3.11 RadialGAN143

    7.4 总结144

    7.5 延伸阅读144

    第8章 实现自编码器146

    8.1 自编码器概述146

    8.2 自编码器的应用147

    8.3 瓶颈和损失函数147

    8.4 自编码器的标准类型148

    8.4.1 欠完备自编码器148

    8.4.2 多层自编码器151

    8.4.3 卷积自编码器152

    8.4.4 稀疏自编码器155

    8.4.5 去噪自编码器156

    8.4.6 收缩自编码器157

    8.5 变分自编码器157

    8.6 训练变分自编码器159

    8.7 总结164

    8.8 延伸阅读164

    第9章 DBN165

    9.1 DBN概述165

    9.1.1 贝叶斯置信网络166

    9.1.2 受限玻尔兹曼机167

    9.2 DBN架构176

    9.3 训练DBN177

    9.4 微调179

    9.5 数据集和库179

    9.5.1 示例—有监督的DBN分类180

    9.5.2 示例—有监督的DBN回归181

    9.5.3 示例—无监督的DBN分类182

    9.6 总结183

    9.7 延伸阅读183

    第10章 强化学习184

    10.1 基本定义184

    10.2 Q-learning介绍187

    10.2.1 学习目标187

    10.2.2 策略优化188

    10.2.3 Q-learning方法188

    10.3 使用OpenAI Gym188

    10.4 冰湖问题191

    10.5 总结199

    第11章 下一步是什么200

    11.1 本书总结200

    11.2 机器学习的未来201

    11.3 通用人工智能202

    11.3.1 AI伦理问题203

    11.3.2 可解释性203

    11.3.3 自动化204

    11.3.4 AI安全性204

    11.3.5 问责制205

    11.4 结语205
查看详情
相关图书 / 更多
神经网络设计与实现
神经外科健康教育手册
王丽芹、纪欢欢、侯涛 编
神经网络设计与实现
神经系统疾病经颅磁刺激治疗
郭毅
神经网络设计与实现
神经外科手册(原著第9版)(精)
马克·S. 格林伯格(美)
神经网络设计与实现
神经科学学科路线图
中国科学技术协会 主编
神经网络设计与实现
神经反馈原理与实践
[美]Thomas F. Collura(托马斯 F. 科卢拉
神经网络设计与实现
神经影像鉴别诊断:脑和脑膜
史蒂文·P.迈耶 斯(Steven P. Meyers) 著
神经网络设计与实现
神经系统脱髓鞘疾病需知 : 我的髓鞘去了哪
周福庆
神经网络设计与实现
神经外科护理500问
杨亚娟、王冬梅、张婷、彭飞 编
神经网络设计与实现
神经内科疑难危重病临床诊疗策略
魏佳军;曾非
神经网络设计与实现
神经重症监护学精要(原书第2版)
Lee<原 著;[美]Kiwon、石广志、张洪钿、黄齐兵 译
神经网络设计与实现
神经外科主治医生1111问(第2版)
张建国 著;江涛、蒋传路、尤永平、江涛、蒋传路、尤永平、张建国 编
神经网络设计与实现
神经系统疾病定位诊断学——解剖、生理、临床
[德]马蒂亚斯·贝尔 (德) 麦克·佛罗切尔
您可能感兴趣 / 更多
神经网络设计与实现
哲学思想百科(全彩)
[英]DK出版社 著;李锦程 译
神经网络设计与实现
燃料与内燃机
[英]高塔姆·卡尔加特吉(Gautam Kalghat) 著
神经网络设计与实现
产品设计与供应链:打造企业的设计竞争力
[英]奥梅拉·汗(Omera Khan) 著;刘劲松 译
神经网络设计与实现
阿美士德使团出使中国日志(汉译名著19)
[英]亨利·埃利斯 著
神经网络设计与实现
查理一世:内战之火与英国王权变革,1625-1649
[英]琳达·德·莱尔 著;邝明艳 译
神经网络设计与实现
Shader开发实战
[英]凯尔·哈拉迪(Kyle Halladay) 著
神经网络设计与实现
假行家足球指南
[英]马克·梅森 著
神经网络设计与实现
鸵鸟蛋、黑陶与铜肝:神秘的伊特鲁里亚人
[英]露西·希普利 著
神经网络设计与实现
生物动力园艺
[英]蒙提·瓦伦丁 著
神经网络设计与实现
销售心法:社群营销下的客户签单秘诀!
[英]雨果·惠彻 著;魏彬 译;[英]蒂姆·休斯;[英]亚当·格雷;胡晓红
神经网络设计与实现
量子和粒子物理学何以解释一切
[英]蒂姆·詹姆斯
神经网络设计与实现
世界经典名著绘本:金银岛
[英]罗伯特·路易斯·史蒂文森 著;张渝儿、李墨 译;[意]弗兰切斯卡·罗西 绘