關閉 

內文試閱

人工智慧與深度學習--理論與Python實踐

    作者:黃日鉦
  • 出版社:碁峰
  • 原文出版社:GOTOP INFORMATION INC.
  • 出版日期:2020/03/13
  • 商品語言:繁體/中文
  • ISBN:9789865023898
  • 定價:460
    優惠價:79折,363

    ※庫存=1

    結帳去

      

    內容簡介  |   目錄  |   同類推薦   |  購物說明

    內容簡介

    近年來,深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。
    雖然網路上已經提供了許多深度學習的各種演算法程式,但若只會使用程式卻不瞭解各種演算法的內涵,對於深度學習的領域只能是見樹不見林,無法真正體會深度學習的精要,亦無法有更深入的應用。因此,本書以人工智慧及深度學習的理論基礎著手,來陳述各種人工智慧演算法的理論基礎及完整數學推導過程,並輔以Python來進行各演算法的實踐,以達到精通人工智慧演算法的目的。
    本書特色:
    •從深度學習的預備知識開始,帶領讀者具備進入深度學習的領域知識。
    •提供各種演算法的手算範例,讓讀者更能理解各演算法的過程。
    •除介紹在深度學習已常用的方法外,更加介紹新近的各種演算法。
    •推導各種演算法的梯度過程,使讀者更深入瞭解演算法的數理過程。
    •各章節提供數個Python範例,完整帶領讀者使用深度學習來解決各類問題。

    <TOP>

    詳細資料

    EAN / 9789865023898
    頁數 / 272
    裝訂 / 平裝
    級別 / 普
    語言 / 繁體/中文

    <TOP>

    目錄

    chapter 01 深度學習的預先知識
     1-1 線性代數 (Linear Algebra)
     1-2 微積分 (Calculus)
     1-3 最佳化理論
     1-4 統計學
     1-5 Python 程式語言介紹
    chapter 02 前饋式神經網路
     2-1 感知機
     2-2 多層感知機
     2-3 深度前饋式神經網路
     2-4 深度神經網路的梯度下降方式
     2-5 過適化問題 (Overfitting Problem)
     2-6 程式範例
    chapter 03 卷積神經網路
     3-1 卷積神經網路架構
     3-2 倒傳遞法進行參數更新
     3-3 數值範例
     3-4 殘差網路
     3-5 程式範例
    chapter 04 遞迴式神經網路
     4-1 遞迴式神經網路
     4-2 序列學習 (Sequential Learning)
     4-3 Elman 神經網路理論模型
     4-4 長短期記憶 (Long Short-Term Memory, LSTM) 模型
     4-5 Peephole 長短期記憶 (Peephole LSTM) 模型
     4-6 GRU (Gated Recurrent Unit) 模型
     4-7 雙向 LSTM (Bidirectional LSTM)
     4-8 程式範例
    chapter 05 侷限型波茲曼模型、深度信念網路及自編碼器
     5-1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM)
     5-2 深度信念網路 (Deep Belief Networks, DBN)
     5-3 自編碼器 (Autoencoders)
     5-4 程式範例
    chapter 06 其他網路模型
     6-1 自迴歸模型 (Autoregressive Models)
     6-2 自生成模型 (Generative Models)
     6-3 神經圖靈機
     6-4 注意力模型 (Attention-based Models)
     6-5 程式範例
    chapter 07 強化學習
     7-1 馬可夫決策過程
     7-2 Bellman 方程式
     7-3 深度 Q- 網路 (Deep Q-Network, DQN)
     7-4 政策梯度 (Policy gradients)
     7-5 Advantage Actor-Critic (A2C) Methods
     7-6 程式範例

    <TOP>

    如果你喜歡這商品,那你一定不能錯過...

    <TOP>

    購物說明

    退換貨說明

    如遇欲退換貨之情形,請於收貨日當天起算第7日(含)前以收執聯為憑,將商品與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)以掛號方式寄回灰熊愛讀書客服部,否則恕不接受退貨。有特殊外包裝之商品,一經拆封(除運送包裝外之一切包裝),恕不接受退貨。
    詳細退換貨須知請參考FAQ

    <TOP>