孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

深度学习（下）

深度学习（下）
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。
作者: 著
出版社: 科学出版社
2019-07
版次: 1
ISBN: 9787030599568
定价: 168.00
装帧: 平装
开本: 16开
页数: 448页
分类: 计算机与互联网
10人买过
  • 《深度学习（下）》对所有主要的深度学习方法和新研究趋势进行了深入探索。《深度学习（下）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。《深度学习（下）》特别注重学术前沿，对包括胶囊网络在内的当前新成果进行了细致的讨论。《深度学习（下）》构建了一套明晰的深度学习体系，同时各章内容相对独立，并有辅助网站在线提供大量论文、代码、数据集和彩图等学习资源供读者边实践边学习。 目录
    前言
    9 深度置信网络和深度玻尔兹曼机 1
    9.1 深度置信网络和深度玻尔兹曼机的起源 1
    9.1.1 玻尔兹曼机 1
    9.1.2 受限玻尔兹曼机 2
    9.2 模型参数学习 7
    9.2.1 吉布斯采样 7
    9.2.2 对比散列算法 7
    9.3 深度置信网络 9
    9.3.1 深度置信网络模型 9
    9.3.2 深度置信网络训练 10
    9.4 深度玻尔兹曼机 11
    9.4.1 深度玻尔兹曼机模型 11
    9.4.2 深度玻尔兹曼机参数学习 13
    9.5 深度置信网络和深度玻尔兹曼机的应用 15
    9.5.1 深度置信网络的应用 15
    9.5.2 深度玻尔兹曼机的应用 17
    9.6 阅读材料 28
    参考文献 29
    10 自编码器 31
    10.1 自编码器介绍 31
    10.1.1 自编码器的结构 31
    10.1.2 自编码器的训练 33
    10.2 深度自编码器 34
    10.3 自编码器的变形 36
    10.3.1 稀疏自编码器 36
    10.3.2 降噪自编码器 37
    10.3.3 收缩自编码器 38
    10.3.4 掩码自编码器 39
    10.3.5 其他自编码器 42
    10.4 变分自编码器 42
    10.4.1 变分推断 42
    10.4.2 详解变分自编码器 45
    10.5 变分自编码器的变形 50
    10.5.1 半监督变分自编码器 50
    10.5.2 反向自回归流变分自编码器 54
    10.5.3 信息最大化变分自编码器 56
    10.5.4 最大均值差异变分自编码器 58
    10.5.5 向量量化变分自编码器 59
    10.5.6 降噪变分自编码器 62
    10.5.7 梯形变分自编码器 64
    10.6 变分自编码器的应用 68
    10.6.1 机器翻译 68
    10.6.2 文本分类 72
    10.7 阅读材料 76
    参考文献 76
    11 生成对抗网络 79
    11.1 原始生成对抗网络 79
    11.1.1 生成对抗网络的基本结构 79
    11.1.2 深入理解生成对抗网络 82
    11.1.3 原始生成对抗网络中的问题 95
    11.2 生成对抗网络的发展 96
    11.2.1 深度卷积生成对抗网络 96
    11.2.2 基于Wasserstein距离的生成对抗网络 97
    11.2.3 加罚项的基于Wasserstein距离的生成对抗网络 102
    11.2.4 带有一致化项的生成对抗网络 104
    11.2.5 损失敏感的生成对抗网络 106
    11.2.6 信息最大化生成对抗网络 110
    11.3 生成对抗网络的训练 112
    11.3.1 训练生成对抗网络的问题与发展 113
    11.3.2 训练生成对抗网络的一些技巧 115
    11.3.3 渐进增大方式训练生成对抗网络 116
    11.3.4 生成对抗网络的谱归一化 118
    11.3.5 通过原始-对偶次梯度方法训练生成对抗网络 121
    11.3.6 用优化镜像下降的方法训练生成对抗网络 123
    11.3.7 一阶惩罚生成对抗网络 125
    11.4 深度生成模型的联合模型 126
    11.4.1 对抗变分贝叶斯方法 127
    11.4.2 建立深度生成模型之间的原则性联系 133
    11.4.3 对抗自编码器 140
    11.4.4 Wasserstein自编码器 144
    11.5 最优传输理论与生成对抗网络 147
    11.5.1 从最优传输理论到生成模型 147
    11.5.2 利用最优传输理论改善生成对抗网络 150
    11.6 生成对抗网络的评估 152
    11.6.1 几何评分：一种比较样本的方法 153
    11.6.2 调节生成器对生成对抗网络性能的影响 156
    11.7 生成对抗网络的其他模型 157
    11.8 生成对抗网络的应用 160
    11.8.1 图像的生成与操作 160
    11.8.2 文本 172
    11.9 早期的对抗模型 175
    11.10 生成对抗网络的总结 177
    11.11 阅读材料 179
    参考文献 180
    12 像素级生成模型 184
    12.1 PixelCNN 184
    12.1.1 PixelCNN介绍 184
    12.1.2 mask卷积 185
    12.1.3 盲点问题 186
    12.2 PixelRNN 188
    12.2.1 行LSTM PixelRNN 188
    12.2.2 对角线BiLSTM PixelRNN 189
    12.3 门PixelCNN 192
    12.4 条件PixelCNN 193
    12.5 PixelVAE 194
    12.6 PixelGAN 195
    12.7 阅读材料 197
    参考文献 197
    13 深度聚类 198
    13.1 聚类概述 198
    13.1.1 传统聚类与深度聚类之间的关系 198
    13.1.2 深度聚类模型结构 199
    13.1.3 深度聚类损失函数 199
    13.1.4 簇的更新策略 201
    13.2 深度嵌入聚类算法 202
    13.2.1 自编码器与聚类结合 202
    13.2.2 变分自编码器与聚类的结合 207
    13.2.3 梯子网络与聚类的结合 210
    13.2.4 卷积神经网络与聚类的结合 213
    13.3 深度谱聚类 217
    13.4 深度子空间聚类 220
    13.5 阅读材料 224
    参考文献 225
    14 深度强化学习 230
    14.1 基于值函数的深度强化学习 230
    14.1.1 深度Q网络 231
    14.1.2 双重深度Q网络 238
    14.1.3 优先化经验回放的深度Q网络 241
    14.1.4 基于竞争网络架构的深度Q网络 243
    14.2 基于策略搜索的深度强化学习 246
    14.2.1 深度确定性策略梯度算法 246
    14.2.2 异步的优势行动者-评论家算法 250
    14.3 基于模型的深度强化学习 252
    14.3.1 AlphaGo发展史 253
    14.3.2 AlphaGo原理介绍 255
    14.4 深度强化学习的应用 264
    14.5 深度强化学习的未来 266
    14.6 阅读材料 269
    参考文献 269
    15 深度学习的可解释性 272
    15.1 可解释性概述 272
    15.1.1 什么是可解释性 273
    15.1.2 可解释的必要性 273
    15.1.3 可解释性研究进展 274
    15.2 可视化 277
    15.2.1 可视化方法分类 277
    15.2.2 特征可视化 278
    15.2.3 关系可视化 289
    15.2.4 过程可视化 297
    15.3 深度学习内部工作机制探查 300
    15.3.1 局部可解释模型 300
    15.3.2 关系反向传播 304
    15.3.3 决策树量化解释 311
    15.3.4 信息论的角度解释模型 317
    15.4 深度学习工作机制理论分析 321
    15.4.1 基于统计的分析 321
    15.4.2 基于信息论的分析 327
    15.4.3 基于认知科学的分析 342
    15.5 阅读材料 347
    参考文献 348
    16 对抗样本攻防和深度学习的鲁棒性 355
    16.1 深度神经网络的脆弱性 355
    16.2 对抗样本攻击 357
    16.2.1 攻击策略 357
    16.2.2 对抗样本的产生 373
    16.2.3 对抗样本的迁移 380
    16.3 对抗攻击的检测与防御 383
    16.3.1 对抗样本的检测 383
    16.3.2 对抗攻击的防御 385
    16.4 深度神经网络的鲁棒性 391
    16.4.1 分类器的鲁棒性 391
    16.4.2 Parseval网络 399
    16.4.3 评估神经网络的鲁棒性 400
    16.4.4 为深度神经网络提供可保证的鲁棒性 403
    16.5 深度学习测试 405
    16.5.1 白盒测试 405
    16.5.2 黑盒测试 414
    16.6 深度学习验证 422
    16.6.1 可满足性模理论 423
    16.6.2 线性实数算法和单纯形 424
    16.6.3 从Simplex到Reluplex 425
    16.6.4 有效实施Reluplex 428
    16.6.5 案例研究：ACASXu系统 429
    16.7 阅读材料 431
    参考文献 432
  • 内容简介:
    《深度学习（下）》对所有主要的深度学习方法和新研究趋势进行了深入探索。《深度学习（下）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。《深度学习（下）》特别注重学术前沿，对包括胶囊网络在内的当前新成果进行了细致的讨论。《深度学习（下）》构建了一套明晰的深度学习体系，同时各章内容相对独立，并有辅助网站在线提供大量论文、代码、数据集和彩图等学习资源供读者边实践边学习。
  • 目录:
    目录
    前言
    9 深度置信网络和深度玻尔兹曼机 1
    9.1 深度置信网络和深度玻尔兹曼机的起源 1
    9.1.1 玻尔兹曼机 1
    9.1.2 受限玻尔兹曼机 2
    9.2 模型参数学习 7
    9.2.1 吉布斯采样 7
    9.2.2 对比散列算法 7
    9.3 深度置信网络 9
    9.3.1 深度置信网络模型 9
    9.3.2 深度置信网络训练 10
    9.4 深度玻尔兹曼机 11
    9.4.1 深度玻尔兹曼机模型 11
    9.4.2 深度玻尔兹曼机参数学习 13
    9.5 深度置信网络和深度玻尔兹曼机的应用 15
    9.5.1 深度置信网络的应用 15
    9.5.2 深度玻尔兹曼机的应用 17
    9.6 阅读材料 28
    参考文献 29
    10 自编码器 31
    10.1 自编码器介绍 31
    10.1.1 自编码器的结构 31
    10.1.2 自编码器的训练 33
    10.2 深度自编码器 34
    10.3 自编码器的变形 36
    10.3.1 稀疏自编码器 36
    10.3.2 降噪自编码器 37
    10.3.3 收缩自编码器 38
    10.3.4 掩码自编码器 39
    10.3.5 其他自编码器 42
    10.4 变分自编码器 42
    10.4.1 变分推断 42
    10.4.2 详解变分自编码器 45
    10.5 变分自编码器的变形 50
    10.5.1 半监督变分自编码器 50
    10.5.2 反向自回归流变分自编码器 54
    10.5.3 信息最大化变分自编码器 56
    10.5.4 最大均值差异变分自编码器 58
    10.5.5 向量量化变分自编码器 59
    10.5.6 降噪变分自编码器 62
    10.5.7 梯形变分自编码器 64
    10.6 变分自编码器的应用 68
    10.6.1 机器翻译 68
    10.6.2 文本分类 72
    10.7 阅读材料 76
    参考文献 76
    11 生成对抗网络 79
    11.1 原始生成对抗网络 79
    11.1.1 生成对抗网络的基本结构 79
    11.1.2 深入理解生成对抗网络 82
    11.1.3 原始生成对抗网络中的问题 95
    11.2 生成对抗网络的发展 96
    11.2.1 深度卷积生成对抗网络 96
    11.2.2 基于Wasserstein距离的生成对抗网络 97
    11.2.3 加罚项的基于Wasserstein距离的生成对抗网络 102
    11.2.4 带有一致化项的生成对抗网络 104
    11.2.5 损失敏感的生成对抗网络 106
    11.2.6 信息最大化生成对抗网络 110
    11.3 生成对抗网络的训练 112
    11.3.1 训练生成对抗网络的问题与发展 113
    11.3.2 训练生成对抗网络的一些技巧 115
    11.3.3 渐进增大方式训练生成对抗网络 116
    11.3.4 生成对抗网络的谱归一化 118
    11.3.5 通过原始-对偶次梯度方法训练生成对抗网络 121
    11.3.6 用优化镜像下降的方法训练生成对抗网络 123
    11.3.7 一阶惩罚生成对抗网络 125
    11.4 深度生成模型的联合模型 126
    11.4.1 对抗变分贝叶斯方法 127
    11.4.2 建立深度生成模型之间的原则性联系 133
    11.4.3 对抗自编码器 140
    11.4.4 Wasserstein自编码器 144
    11.5 最优传输理论与生成对抗网络 147
    11.5.1 从最优传输理论到生成模型 147
    11.5.2 利用最优传输理论改善生成对抗网络 150
    11.6 生成对抗网络的评估 152
    11.6.1 几何评分：一种比较样本的方法 153
    11.6.2 调节生成器对生成对抗网络性能的影响 156
    11.7 生成对抗网络的其他模型 157
    11.8 生成对抗网络的应用 160
    11.8.1 图像的生成与操作 160
    11.8.2 文本 172
    11.9 早期的对抗模型 175
    11.10 生成对抗网络的总结 177
    11.11 阅读材料 179
    参考文献 180
    12 像素级生成模型 184
    12.1 PixelCNN 184
    12.1.1 PixelCNN介绍 184
    12.1.2 mask卷积 185
    12.1.3 盲点问题 186
    12.2 PixelRNN 188
    12.2.1 行LSTM PixelRNN 188
    12.2.2 对角线BiLSTM PixelRNN 189
    12.3 门PixelCNN 192
    12.4 条件PixelCNN 193
    12.5 PixelVAE 194
    12.6 PixelGAN 195
    12.7 阅读材料 197
    参考文献 197
    13 深度聚类 198
    13.1 聚类概述 198
    13.1.1 传统聚类与深度聚类之间的关系 198
    13.1.2 深度聚类模型结构 199
    13.1.3 深度聚类损失函数 199
    13.1.4 簇的更新策略 201
    13.2 深度嵌入聚类算法 202
    13.2.1 自编码器与聚类结合 202
    13.2.2 变分自编码器与聚类的结合 207
    13.2.3 梯子网络与聚类的结合 210
    13.2.4 卷积神经网络与聚类的结合 213
    13.3 深度谱聚类 217
    13.4 深度子空间聚类 220
    13.5 阅读材料 224
    参考文献 225
    14 深度强化学习 230
    14.1 基于值函数的深度强化学习 230
    14.1.1 深度Q网络 231
    14.1.2 双重深度Q网络 238
    14.1.3 优先化经验回放的深度Q网络 241
    14.1.4 基于竞争网络架构的深度Q网络 243
    14.2 基于策略搜索的深度强化学习 246
    14.2.1 深度确定性策略梯度算法 246
    14.2.2 异步的优势行动者-评论家算法 250
    14.3 基于模型的深度强化学习 252
    14.3.1 AlphaGo发展史 253
    14.3.2 AlphaGo原理介绍 255
    14.4 深度强化学习的应用 264
    14.5 深度强化学习的未来 266
    14.6 阅读材料 269
    参考文献 269
    15 深度学习的可解释性 272
    15.1 可解释性概述 272
    15.1.1 什么是可解释性 273
    15.1.2 可解释的必要性 273
    15.1.3 可解释性研究进展 274
    15.2 可视化 277
    15.2.1 可视化方法分类 277
    15.2.2 特征可视化 278
    15.2.3 关系可视化 289
    15.2.4 过程可视化 297
    15.3 深度学习内部工作机制探查 300
    15.3.1 局部可解释模型 300
    15.3.2 关系反向传播 304
    15.3.3 决策树量化解释 311
    15.3.4 信息论的角度解释模型 317
    15.4 深度学习工作机制理论分析 321
    15.4.1 基于统计的分析 321
    15.4.2 基于信息论的分析 327
    15.4.3 基于认知科学的分析 342
    15.5 阅读材料 347
    参考文献 348
    16 对抗样本攻防和深度学习的鲁棒性 355
    16.1 深度神经网络的脆弱性 355
    16.2 对抗样本攻击 357
    16.2.1 攻击策略 357
    16.2.2 对抗样本的产生 373
    16.2.3 对抗样本的迁移 380
    16.3 对抗攻击的检测与防御 383
    16.3.1 对抗样本的检测 383
    16.3.2 对抗攻击的防御 385
    16.4 深度神经网络的鲁棒性 391
    16.4.1 分类器的鲁棒性 391
    16.4.2 Parseval网络 399
    16.4.3 评估神经网络的鲁棒性 400
    16.4.4 为深度神经网络提供可保证的鲁棒性 403
    16.5 深度学习测试 405
    16.5.1 白盒测试 405
    16.5.2 黑盒测试 414
    16.6 深度学习验证 422
    16.6.1 可满足性模理论 423
    16.6.2 线性实数算法和单纯形 424
    16.6.3 从Simplex到Reluplex 425
    16.6.4 有效实施Reluplex 428
    16.6.5 案例研究：ACASXu系统 429
    16.7 阅读材料 431
    参考文献 432
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
相关图书 / 更多
深度学习（下）
深度学习的数学——使用Python语言
[美]罗纳德·T.纽塞尔（Ronald T. Kneusel）
￥18.00 起
深度学习（下）
深度学习的理论基础与核心算法
焦李成，杨淑媛，刘芳，刘旭，田晨曦，侯彪，马文萍，尚荣华
￥23.00 起
深度学习（下）
深度学习与神经网络
赵金晶 等
￥40.72 起
深度学习（下）
深度旅行：巴山荔枝道田野叙事
李延风
￥55.26 起
深度学习（下）
深度学习与人工智能实战 张重生
张重生
￥40.88 起
深度学习（下）
深度学习模型与算法基础
许庆阳、宋勇、张承进
￥43.48 起
深度学习（下）
深度学习与波束形成：理论、方法与实践
郭业才
￥21.74 起
深度学习（下）
深度学习与大模型基础 图解以项目实践为引导的趣味、互动学习法
段小手 著
￥45.38 起
深度学习（下）
深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！）
（美） 托马斯·巴塔 （美） 帕特里克·巴韦斯 著 ，美同 译
￥16.00 起
深度学习（下）
深度教学：策略与实践
张勇
￥26.64 起
深度学习（下）
深度学习高手笔记 卷2：经典应用
刘岩（@大师兄）
￥74.15 起
深度学习（下）
深度学习——从算法本质、系统工程到产业实践
王书浩、徐罡
￥55.50 起
您可能感兴趣 / 更多
深度学习（下）
数据结构、算法及应用（第2版）
张宪超
￥20.80 起
深度学习（下）
深度学习（上）
张宪超 著
￥45.00 起
深度学习（下）
数据聚类
张宪超 著
￥45.00 起
深度学习（下）
普通高等教育“十二五”重点规划教材·计算机系列：数据结构、算法及应用
张宪超 编
￥1.50 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全