| 失效链接处理 |
|
图解深度学习 PDF 下载
转载自：https://www.jb51.net/books/675988.html
本站整理下载：
版权归出版社和原作者所有，链接已删除，请购买正版
用户下载说明：
电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：
http://product.dangdang.com/25279238.html
相关截图：
资料简介：
本书从深度学习的发展历程讲起，以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外，还介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在内的深度学习工具的安装和使用方法。
资料目录：
第 1章 绪论 1.1 深度学习与机器学习 2 1.2 深度学习的发展历程 3 1.3 为什么是深度学习 6 1.4 什么是深度学习 7 1.5 本书结构 9 第 2章 神经网络 2.1 神经网络的历史 12 2.2 M-P模型 14 2.3 感知器 16 2.4 多层感知器 18 2.5 误差反向传播算法 19 2.6 误差函数和激活函数 28 2.7 似然函数 30 2.8 随机梯度下降法 31 2.9 学习率 32 2.10 小结 33 第3章 卷积神经网络 3.1 卷积神经网络的结构 36 3.2 卷积层 38 3.3 池化层 39 3.4 全连接层 40 3.5 输出层 41 3.6 神经网络的训练方法 41 3.7 小结 48 第4章 受限玻尔兹曼机 4.1 Hopfield 神经网络 50 4.2 玻尔兹曼机 55 4.3 受限玻尔兹曼机 59 4.4 对比散度算法 61 4.5 深度信念网络 64 4.6 小结 66 第5章 自编码器 5.1 自编码器 68 5.2 降噪自编码器 71 5.3 稀疏自编码器 73 5.4 栈式自编码器 76 5.5 在预训练中的应用 77 5.6 小结 78 第6章 提高泛化能力的方法 6.1 训练样本 80 6.2 预处理 88 6.3 激活函数 92 6.4 Dropout 94 6.5 DropConnect 96 6.6 小结 98 第7章 深度学习工具 7.1 深度学习开发环境 100 7.2 Theano 100 7.3 Pylearn2 108 7.4 Caffe 118 7.5 训练系统——DIGITS137 7.6 Chainer 145 7.7 TensorFlow 160 7.8 小结 176 第8章 深度学习的现在和未来 8.1 深度学习的应用案例178 8.2 深度学习的未来 195 8.3 小结 197 参考文献 198 |
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
