编辑推荐
深度学习实战：实用案例详解
内容简介
本书借助现实案例介绍深度学习算法的实际应用，旨在帮助读者了解如何学会识别和提取信息，以提高预测准确率及优化结果。本书共10章，分别是机器学习——引言、神经网络、深度学习基本原理、无监督特征学习、图像识别、递归神经网络和语言模型、深度学习在棋盘游戏中的应用、深度学习在电子游戏中的应用、异常检测和构建一个可用于生产环境的入侵检测系统。 本书深入介绍了深度学习的算法，并通过Theano、Caffe、Keras和TensorFlow等框架进一步介绍了许多实用的深度学习实现核心技术：自编码器和受限制的玻尔兹曼机器，同时介绍了潜入深层信念网和深度神经网络，并通过Dropout和卷积神经网络扩展更多的深度学习算法。
章节目录
版权信息
内容提要
作者简介
审稿人简介
前言
第1章 机器学习——引言
1.1 什么是机器学习
1.2 不同的机器学习方法
1.3 小结
第2章 神经网络
2.1 为什么是神经网络
2.2 基本原理
2.3 反向传播算法
2.4 行业应用
2.5 异或函数的神经网络代码示例
2.6 小结
第3章 深度学习基本原理
3.1 什么是深度学习
3.2 深度学习应用
3.3 图形处理单元与中央处理单元
3.4 流行开源库——引言
3.5 小结
第4章 无监督特征学习
4.1 自编码器
4.2 受限玻尔兹曼机
4.3 小结
第5章 图像识别
5.1 人工模型与生物模型的相似性
5.2 直观认识与合理性
5.3 卷积层
5.4 池化层
5.5 dropout层
5.6 深度学习中的卷积层
5.7 Theano中的卷积层
5.8 用Keras来识别数字的卷积层示例
5.9 将Keras用于cifar10的卷积层示例
5.10 预训练
5.11 小结
第6章 递归神经网络和语言模型
6.1 递归神经网络
6.2 语言建模
6.3 语音识别
6.4 小结
6.5 拓展阅读
第7章 深度学习在棋盘游戏中的应用
7.1 早期游戏AI
7.2 用最小-最大算法评估游戏状态
7.3 实现Python井字游戏
7.4 学习价值函数
7.5 训练AI掌握围棋
7.6 应用于树结构的置信上限
7.7 蒙特卡罗树搜索中的深度学习
7.8 快速复习强化学习
7.9 用于学习策略函数的策略梯度
7.10 AlphaGo中的策略梯度
7.11 小结
第8章 深度学习在电子游戏中的应用
8.1 应用于游戏的监督学习算法
8.2 遗传算法在游戏中的应用
8.3 Q-learning算法
8.4 Q-learning算法在动作中的应用
8.5 动态游戏
8.6 《雅达利打砖块》游戏
8.7 actor-critic算法
8.8 异步算法
8.9 基于模型的算法
8.10 小结
第9章 异常检测
9.1 什么是异常检测和异常点检测
9.2 异常检测的现实应用
9.3 流行的浅层机器学习技术
9.4 基于深度自编码器的异常检测
9.5 开始使用H2O
9.6 示例
9.7 小结
第10章 构建一个可用于生产环境的入侵检测系统
10.1 什么是数据产品
10.2 训练
10.3 测试
10.4 部署
10.5 小结
资源与支持
Python深度学习从原理到应用是2021年由人民邮电出版社出版,作者 (美) 瓦伦蒂诺·佐卡 (Valentino Zocca) 。
得书感谢您对《Python深度学习从原理到应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
