书目信息 |
| 题名： |
神经网络与深度学习
|
|
| 作者： | 邱锡鹏 著 | |
| 分册： | ||
| 出版信息： | 北京 机械工业出版社 2020 |
|
| 页数： | xvi, 448页 | |
| 开本： | 24cm | |
| 丛书名： | 人工智能技术丛书 | |
| 单 册： | ||
| 中图分类： | TP183 ， TP181 | |
| 科图分类： | ||
| 主题词： | 人工神经网络--ren gong shen jing wang luo--研究 , 机器学习--ji qi xue xi--研究 | |
| 电子资源： | ||
| ISBN： | 978-7-111-64968-7 | |
| 000 | 01788nam 2200301 450 | |
| 001 | 012021000368 | |
| 010 | @a978-7-111-64968-7@dCNY149.00 | |
| 100 | @a20200520d2020 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 001yy | |
| 106 | @ar | |
| 200 | 1 | @a神经网络与深度学习@Ashen jing wang luo yu shen du xue xi@d= Neural networks and deep learning@f邱锡鹏著@zeng |
| 210 | @a北京@c机械工业出版社@d2020 | |
| 215 | @axvi, 448页@c彩图@d24cm | |
| 225 | 2 | @a人工智能技术丛书@Aren gong zhi neng ji shu cong shu |
| 314 | @a邱锡鹏, 复旦大学计算机科学技术学院教授、博士生导师, 于复旦大学获得理学学士和博士学位。 | |
| 320 | @a有书目和索引 | |
| 330 | @a全书共15章, 分为三个部分。第一部分为机器学习基础: 第1章是绪论, 介绍人工智能、机器学习、深度学习的概要, 使读者全面了解相关知识; 第2-3章介绍机器学习的基础知识。第二部分是基础模型: 第4-6章分别讲述三种主要的神经网络模型: 前馈神经网络、卷积神经网络和循环神经网络; 第7章介绍神经网络的优化与正则化方法; 第8章介绍神经网络中的注意力机制和外部记忆; 第9章简要介绍一些无监督学习方法; 第10章介绍一些模型独立的机器学习方法, 包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。第三部分是进阶模型: 第11章介绍概率图模型的基本概念, 为后面的章节进行铺垫; 第12章介绍两种早期的深度学习模型: 玻尔兹曼机和深度信念网络; 第13章介绍深度生成模型, 包括变分自编码器和生成对抗网络; 第14章介绍深度强化学习; 第15章介绍应用十分广泛的序列生成模型。 | |
| 410 | 0 | @12001 @a人工智能技术丛书 |
| 510 | 1 | @aNeural networks and deep learning@zeng |
| 606 | 0 | @a人工神经网络@Aren gong shen jing wang luo@x研究 |
| 606 | 0 | @a机器学习@Aji qi xue xi@x研究 |
| 690 | @aTP183@v5 | |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a邱锡鹏@Aqiu xi peng@4著 |
| 801 | 0 | @aCN@b湖北三新@c20211018 |
| 905 | @a徽商职业学院@bS313378@dTP183@e4@f1 | |
| 神经网络与深度学习= Neural networks and deep learning/邱锡鹏著.-北京：机械工业出版社，2020 |
| xvi, 448页：彩图；24cm.-(人工智能技术丛书) |
| ISBN 978-7-111-64968-7：CNY149.00 |
| 全书共15章, 分为三个部分。第一部分为机器学习基础: 第1章是绪论, 介绍人工智能、机器学习、深度学习的概要, 使读者全面了解相关知识; 第2-3章介绍机器学习的基础知识。第二部分是基础模型: 第4-6章分别讲述三种主要的神经网络模型: 前馈神经网络、卷积神经网络和循环神经网络; 第7章介绍神经网络的优化与正则化方法; 第8章介绍神经网络中的注意力机制和外部记忆; 第9章简要介绍一些无监督学习方法; 第10章介绍一些模型独立的机器学习方法, 包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。第三部分是进阶模型: 第11章介绍概率图模型的基本概念, 为后面的章节进行铺垫; 第12章介绍两种早期的深度学习模型: 玻尔兹曼机和深度信念网络; 第13章介绍深度生成模型, 包括变分自编码器和生成对抗网络; 第14章介绍深度强化学习; 第15章介绍应用十分广泛的序列生成模型。 |
| ● |
| 相关链接 |
|
|
|
正题名：神经网络与深度学习
索取号：TP183/4
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 313378 | S313378 | 历史工业书库（图文三楼西）/ [索取号:TP183/4] | 在馆 |