新書推薦：
《
探知无界·气候变化的危机与应对 北大名师讲科普系列
》
售價：NT$
245.0
《
中国文化第一课·典籍里的礼
》
售價：NT$
296.0
《
思想的光照：马寅初先生诞辰140周年纪念文集
》
售價：NT$
398.0
《
入门级AI机器人制作与图形化编程
》
售價：NT$
347.0
《
怎样上好常态课：小学数学教学24例
》
售價：NT$
319.0
《
祈愿女神
》
售價：NT$
325.0
《
新反智时代（历史学堂）
》
售價：NT$
374.0
《
索恩丛书·死敌：太平洋战争，1944～1945
》
售價：NT$
704.0
|
| 關於作者： |
邱锡鹏
复旦大学计算机学院教授，国家优青获得者，主要从事自然语言处理、深度学习等方向的研究，发表CCF A/B类论文70余篇，获得ACL 2017杰出论文奖（CCF A类）、CCL 2019最佳论文奖、《中国科学：技术科学》2021年度高影响力论文奖，多篇论文入选PaperDigest发布的IJCAI/ACL/EMNLP的最有影响力论文，主持开发了开源框架FudanNLP和FastNLP，这两个框架已被国内外数百家单位使用。2015年入选首届中国科协青年人才托举工程，2018年获钱伟长中文信息处理科学技术奖青年创新奖，2020年获第四届上海高校青年教师教学竞赛优等奖，2021年获首届上海市计算机学会教学成果奖一等奖（第一完成人）。培养学生多次获得一级学会优博、微软学者、百度奖学金等。
|
| 目錄：
|
序
前言
常用符号表
第1章 绪论3
1.1人工智能...............................4
1.2机器学习...............................7
1.3表示学习...............................8
1.4深度学习...............................11
1.5神经网络...............................13
1.6本书的知识体系...........................17
1.7常用的深度学习框架.........................18
1.8总结和深入阅读...........................20
第2章 机器学习概述23
2.1基本概念...............................24
2.2机器学习的三个基本要素......................26
2.3机器学习的简单示例——线性回归.................33
2.4偏差-方差分解............................38
2.5机器学习算法的类型.........................41
2.6数据的特征表示...........................43
2.7评价指标...............................46
2.8理论和定理..............................49
2.9总结和深入阅读...........................51
第3章 线性模型
3.1线性判别函数和决策边界......................56
3.2Logistic回归.............................59
3.3Softmax回归.............................61
3.4感知器.................................64
3.5支持向量机..............................71
3.6损失函数对比.............................75
3.7总结和深入阅读...........................76
第二部分 基础模型
第4章 前馈神经网络81
4.1神经元.................................82
4.1.1Sigmoid型函数.......................83
4.1.2ReLU函数..........................86
4.1.3Swish函数..........................88
4.1.4GELU函数..........................89
4.1.5Maxout单元.........................89
4.2网络结构...............................90
4.3前馈神经网络.............................91
4.4反向传播算法.............................95
4.5自动梯度计算.............................98
4.6优化问题...............................103
4.7总结和深入阅读...........................104
第5章 卷积神经网络109
5.1卷积..................................110
5.2卷积神经网络.............................115
5.3参数学习...............................120
5.4几种典型的卷积神经网络......................121
5.5其他卷积方式.............................127
5.6总结和深入阅读...........................130
第6章 循环神经网络133
6.1给网络增加记忆能力.........................134
6.2简单循环网络.............................135
6.3应用到机器学习...........................138
6.4参数学习...............................140
6.5长程依赖问题.............................143
6.5.1改进方案...........................144
6.6基于门控的循环神经网络......................145
6.7深层循环神经网络..........................149
6.8扩展到图结构.............................151
6.9总结和深入阅读...........................153
第7章 网络优化与正则化157
7.1网络优化...............................157
7.2优化算法...............................160
7.3参数初始化..............................171
7.4数据预处理..............................176
7.5逐层归一化..............................178
7.6超参数优化..............................183
7.7网络正则化..............................186
7.8总结和深入阅读...........................192
第8章 注意力机制与外部记忆197
8.1认知神经学中的注意力.......................198
8.2注意力机制..............................199
8.3自注意力模型.............................203
8.4人脑中的记忆.............................205
8.5记忆增强神经网络..........................207
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
