当前位置:首页 > 工业技术
神经网络与深度学习实战  Python+Keras+TensorFlow
神经网络与深度学习实战  Python+Keras+TensorFlow

神经网络与深度学习实战 Python+Keras+TensorFlowPDF电子书下载

工业技术

  • 电子书积分:12 积分如何计算积分?
  • 作 者:陈屹编著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2019
  • ISBN:9787111632665
  • 页数:326 页
图书介绍:本书通过理论与项目实践相结合的方式引领读者进入人工智能技术的大门。书中首先从人工智能技术的数学基础讲起,然后重点剖析神经网络的运行流程,最后以大量的实际项目编码实践方式帮助读者扎实地掌握人工智能开发所需要的基本理论知识和核心开发技术。本书共15章,涵盖的内容有神经网络初体验;深度学习的微积分基础;深度学习的线性代数基础;神经网络的理论基础;用Python从零实现识别手写数字的神经网络;神经网络项目实践;使用神经网络实现机器视觉识别;用深度学习实现自然语言处理;自动编解码网络和生成型对抗性网络;增强性学习网络的开发实践;TensorFlow入门;使用TensorFlow和Keras开发高级自然语言处理系统;使用TensorFlow和Keras实现高级图像识别处理系统;使用TensorFlow和Keras打造智能推荐系统;深度学习重要概念和技巧总结。本书尽可能通过细致的讲解降低读者入门人工智能编程的门槛。书中案例丰富,内容非常实用,特别适合有志于投身人工智能领域的IT专业人士或学生阅读。阅读本书需要读者具有一定的数学基础。
《神经网络与深度学习实战 Python+Keras+TensorFlow》目录

第1章 神经网络初体验 1

1.1 开发环境的安装 1

1.2 快速构建一个识别手写数字图片的神经网络 2

第2章 深度学习中的微积分基础 8

2.1 实数中的无理数 8

2.2 什么叫极限 10

2.3 函数的连续性 12

2.4 函数求导 13

2.5 导数的一般法则 15

2.6 间套函数的链式求导法则 17

2.7 多变量函数与偏导数 19

2.8 导数与极值 19

2.9 使用导数寻求函数的最小值 21

第3章 深度学习的线性代数基础 25

3.1 常量与向量 26

3.2 矩阵及相关操作 26

3.3 tensor——多维向量 28

3.4 向量范数 30

第4章 神经网络的理论基础 31

4.1 详解神经网络中的神经元激活函数 31

4.2 使用矩阵运算驱动神经网络数据加工链 38

4.3 通过反向传播算法回传误差改进链路权重 42

4.4 使用矩阵和梯度下降法实现神经网络的迭代训练 45

4.5 手算梯度下降法,详解神经网络迭代训练过程 53

第5章 用Python从零实现识别手写数字的神经网络 58

5.1 基本框架的搭建 58

5.2 实现网络的迭代训练功能 62

5.3 网络训练,识别手写数字图片 64

第6章 神经网络项目实践 70

6.1 使用神经网络分析电影评论的正能量和负能量 70

6.2 使用神经网络实现新闻话题分类 78

6.3 使用神经网络预测房价中位数 83

第7章 使用神经网络实现机器视觉识别 90

7.1 卷积神经网络入门 90

7.2 从零开始构造一个识别猫、狗图片的卷积网络 93

7.3 使用预先训练的卷积网络实现图像快速识别 101

7.4 视觉化神经网络的学习过程 105

7.5 揭秘卷积网络的底层原理 109

第8章 用深度学习实现自然语言处理 124

8.1 Word Embedding单词向量化 124

8.2 概率论的一些重要概念 130

8.3 skip-gram单词向量化算法的数学原理 136

8.4 使用预先训练好的单词向量实现新闻摘要分类 140

8.5 RNN——具有记忆功能的神经网络 143

8.6 LSTM网络层详解及其应用 145

8.7 使用RNN和CNN混合的“鸡尾酒疗法”提升网络运行效率 148

第9章 自动编解码网络和生成型对抗性网络 150

9.1 自动编解码器网络的原理与实现 150

9.2 去噪型编解码网络 154

9.3 使用自动编解码网络实现黑白图片上色 157

9.4 生成型对抗性网络 162

9.5 生成型对抗性网络的代码实现 163

9.6 条件性生成型对抗性网络 169

第10章 增强性学习网络开发实践 176

10.1 增强性学习网络的基本原理 176

10.2 开发环境配置 177

10.3 增强性学习网络的数学原理 179

10.4 Bellman函数和最优化 180

10.5 Bellman等式的推导 181

10.6 用实例讲解Bellman函数的应用 182

10.7 解决冰冻湖问题 185

10.8 ε贪婪算法 188

10.9 运用神经网络和Bellman函数解决Cartpole问题 188

第11章 TensorFlow入门 193

11.1 TensorFlow图运算原理 193

11.2 TensorFlow代码实践 195

11.3 TensorFlow的输入、变量、输出及运算操作 197

11.4 TensorFlow的变量定义 200

11.5 TensorFlow的运算输出及运算操作 201

11.6 用TensorFlow开发神经网络的相关操作 204

11.7 开发TensorFlow程序应注意的事项 207

11.8 使用TensorFlow开发神经网络 213

第12章 使用TensorFlow和Keras开发高级自然语言处理系统 218

12.1 Skip-Gram算法实现 218

12.2 使用RNN网络模型的基本原理 230

12.3 代码实现RNN网络 232

12.4 LSTM网络的结构原理 242

12.5 使用LSTM网络实现人机问答系统 247

第13章 使用TensorFlow和Keras实现高级图像识别处理系统 256

13.1 实现艺术风格的转换 256

13.2 使用胶囊网络实现服装识别 266

13.3 使用TensorFlow API实现精准物体识别 285

13.4 DeeDream:使用神经网络构造具有惊悚审美效果的艺术作品 293

第14章 使用TensorFlow和Keras打造智能推荐系统 300

14.1 创造一个网易云音乐推荐引擎 300

14.2 使用TensorFlow构建高质量商品推荐系统 309

14.3 实现淘宝“拍立淘”图片搜索引擎 313

第15章 深度学习的重要概念和技巧总结 319

返回顶部