0人評分過此書

人工智慧與深度學習:理論與Python實踐

出版日期
2020/03/13
閱讀格式
PDF
書籍分類
學科分類
ISBN
9789865023898

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
近年來,深度學習的相關演算法已被廣泛使用在電腦視覺(computervision)、神經機器翻譯(neuralmachinetranslation)、神經風格轉換(neuralstyletransfer)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。
  • 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

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading