深度学习的数学原理与实现

作品编号：HWK227226

作者：王晓华

出版社：清华大学出版社

出版年：2021-06-01

定价：59.0

ISBN：9787302580287

开本：其他

页数：210

火悟空打分

0.0

共有0人进行评价

我要评价 添加到盒子

深度学习的数学原理与实现 本书特色

本书从深度学习的基础知识出发，介绍深度学习每个组成部分的原理，并推导出其中的数学公式，以帮助读者掌握深度学习的理论知识。本书还讲解了具体的代码实现，让读者在掌握深度学习原理的同时，也能通过动手实践深入理解这些知识。
数学原理、公式推导、代码实现，帮助你快速掌握深度学习原理及实现

深度学习的数学原理与实现 内容简介

深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。
本书共12章。章介绍人类视觉和深度学习的联系。第2章介绍深度学习中很为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章介绍线性回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍TensorFlow框架。第9章介绍推荐算法。0章介绍深度学习中的标准化、正则化和初始化。1章是案例人脸识别。2章是词嵌入向量案例，介绍自然语言处理方面的应用。
本书理论和实践相结合，理论讲解细致直观，通过实例进行演示，可以使读者快速掌握本书内容。本书适合深度学习初学者、深度学习算法开发人员阅读，也适合高等院校和培训机构人工智能相关专业的师生参考。