相關商品
商品簡介
作者簡介
目次
商品簡介
本書從深度學習的發展歷程講起，以豐富的圖例從理論和實踐兩個層面介紹了深度學習的各種方法，以及深度學習在圖像識別等領域的應用案例。內容涉及神經網絡、卷積神經網絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內的深度學習工具的安裝和使用方法。
作者簡介
山下隆義（作者）
1978年出生於日本神戶，2002年修完博士前期課程，並于當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發。2011年在日本中部大學研究生院工學研究科修完博士後期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程系講師。目前從事動畫處理、模式識別和機器學習相關的研究。曾多次榮獲日本深度學習研究相關獎項，並在多個相關研討會上擔任講師。
張彌（譯者）
畢業于大連外國語大學日本語學院。現就職於某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發和醫學翻譯經驗。喜歡挑戰新事物，樂於學習新知識和接觸新領域。
1978年出生於日本神戶，2002年修完博士前期課程，並于當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發。2011年在日本中部大學研究生院工學研究科修完博士後期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程系講師。目前從事動畫處理、模式識別和機器學習相關的研究。曾多次榮獲日本深度學習研究相關獎項，並在多個相關研討會上擔任講師。
張彌（譯者）
畢業于大連外國語大學日本語學院。現就職於某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發和醫學翻譯經驗。喜歡挑戰新事物，樂於學習新知識和接觸新領域。
目次
第 1章 緒論
1.1 深度學習與機器學習 2
1.2 深度學習的發展歷程 3
1.3 為什麼是深度學習 6
1.4 什麼是深度學習 7
1.5 本書結構 9
第 2章 神經網絡
2.1 神經網絡的歷史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反向傳播算法 19
2.6 誤差函數和激活函數 28
2.7 似然函數 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結 33
第3章 卷積神經網絡
3.1 卷積神經網絡的結構 36
3.2 卷積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸出層 41
3.6 神經網絡的訓練方法 41
3.7 小結 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經網絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網絡 64
4.6 小結 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結 98
第7章 深度學習工具
7.1 深度學習開發環境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練系統――DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結 176
第8章 深度學習的現在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結 197
參考文獻 198
1.1 深度學習與機器學習 2
1.2 深度學習的發展歷程 3
1.3 為什麼是深度學習 6
1.4 什麼是深度學習 7
1.5 本書結構 9
第 2章 神經網絡
2.1 神經網絡的歷史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反向傳播算法 19
2.6 誤差函數和激活函數 28
2.7 似然函數 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結 33
第3章 卷積神經網絡
3.1 卷積神經網絡的結構 36
3.2 卷積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸出層 41
3.6 神經網絡的訓練方法 41
3.7 小結 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經網絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網絡 64
4.6 小結 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結 98
第7章 深度學習工具
7.1 深度學習開發環境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練系統――DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結 176
第8章 深度學習的現在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結 197
參考文獻 198
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。