深度学习的数学原理与实现

发布时间:2022-03-26;阅读次数:1069 次

1、封面介绍

深度学习的数学原理与实现

2、出版时间

2021年5月

3、推荐理由

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。

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。第1章介绍人类视觉和深度学习的联系。第2章介绍深度学习中最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。第10章介绍深度学习中的标准化、正则化和初始化。第11章是案例人脸识别。第12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。

4、作者简介

王晓华,计算机专业讲师,长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程;主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题,独立科研项目获省级成果认定,发表过多篇论文,拥有一项国家专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

提醒:此资源仅限面试天下注册用户享有,欢迎大家的注册,希望这个平台给大家带来福气!

免责声明:本站所有资源来源于热心网友的提供,仅供读者预览及学习交流使用,下载后请24小时内删除,如果喜欢请购买正版资源! 原作者如果认为本站侵犯了您的版权,请联系站长,站长会立即删除!