当前位置:首页 > 名称

大约有70,000项符合查询结果项。(搜索耗时:0.0366秒)

为您推荐: 有力的师幼互动 促进幼儿学习的策略 深度教学的内在维度 数学反思性学习的六个策略 title一年十倍的期货操盘策略7 快乐致富 获得财富与 的7个策略 走出孤独 疗愈情感饥渴的六种策略 title深度学习的数学 图灵出品

  • 基于H2O机器学习实用方法 一强大可扩展人工智能和深度学习技术

    (英)达伦·库克著;连晓峰等译2018 年出版207 页ISBN:9787111600510

    本书主要介绍了H2O基本概念和应用。全书共11章,首先介绍了H2O在R和Python下安装和启动、数据导入/导出和操作以及本书所用不同示例数据集和常用模型参数。然后分别介绍了随机森林、梯度推进机、...

  • 深度学习系列 基于Theano深度学习 构建未来与当前人工大脑

    (法)克里斯托弗·布雷斯著2018 年出版202 页ISBN:9787111588788

    本书主要介绍了深度学习基本概念和常用网络以及Theano在深度学习应用。全书共13章,首先介绍了Theano基础知识,包括张量、计算图、符号计算、张量算子、自动微分等概念,然后分别介绍了基于前馈神经网络...

  • 深度学习实践 基于Caffe解析

    薛云峰著2018 年出版284 页ISBN:9787111610434

    本书主要介绍Caffe技术原理和一些高级使用技巧,首先介绍深度学习趋势和业内动态,然后介绍Caffe基础知识。在理解了Caffe算法基础上,介绍Caffe技术原理和特点,包括数学知识和设计知识。最后介绍Caffe...

  • 基于TensorFlow深度学习 揭示数据隐含奥秘

    (美)丹·范·鲍克塞尔著2018 年出版90 页ISBN:9787111588733

    本书主要介绍TensorFlow及其在各深度学习神经网络中应用。全书共5章,首先介绍了TensorFlow入门知识,包括其相关技术与模型以及安装配置,然后分别介绍了TensorFlow在深度神经网络、卷积神经网络、递归神...

  • 深度学习探索之路

    刘哲雨著2018 年出版185 页ISBN:9787310055906

    本书从理论和实证两个方面对深度学习进行了研究。理论研究中,深度学习内涵与发展、理念与价值等方面研究结论,可用于制定政策,也可用于普及教育领域深度学习思想,奠定全民深度学习基础;深度学习核心要...

  • 当计算机体系结构遇到深度学习 面向计算机体系结构设计师深度学习概论

    (美)布兰登·里根(BRANDONREAGEN),罗伯特·阿道夫(ROBERTADOLF),保罗·沃特莫(PAULWHATMOUGH)等著;杨海龙,王锐译2019 年出版132 页ISBN:9787111622482

    本书是面向计算机体系结构设计师深度学习入门读物。书中首先介绍机器学习发展历程,并追踪深度学习技术关键发展阶段。然后,回顾了代表性工作负载,包括各领域中常用数据集和开创性神经网络。接下...

  • 深度学习在动态媒体中应用与实践

    唐宏,陈麒,庄一嵘编著2018 年出版140 页ISBN:9787115480101

    本书是一本深度学习入门读物,对深度学习基本理论进行了介绍之后,主要以Ubuntu系统为例搭建了三大主流框架-Caffe、TensorFlow、Torch,然后分别在三个框架下,通过三个实战项目熟悉了框架使用方法,并详细描...

  • 基于深度学习自然语言处理

    (以色列)约阿夫·戈尔德贝格(YOAVGOLDBERG)著;车万翔,郭江,张伟男,刘铭译;刘挺主审2018 年出版258 页ISBN:9787111593737

    本书重点介绍了神经网络模型在自然语言处理中应用。首先介绍有监督机器学习和前馈神经网络基本知识,如何将机器学习方法应用在自然语言处理中,以及词向量表示(而不是符号表示)应用。然后介绍更多专门...

  • 深度学习入门 基于Python理论与实现

    (日)斋藤康毅著;陆宇杰译2018 年出版285 页ISBN:9787115485588

    本书是深度学习真正意义上入门书。书中对理解深度学习所需技术,从最基础开始逐个介绍。用浅显语言解说什么是深度学习深度学习具有什么特征、基于什么原理运行等。而为了让读者更“深”地理解深度学...

  • 面向自然语言处理深度学习

    (印)帕拉什·戈雅尔(Palash Goyal),(印)苏米特·潘迪(Sumit Pandey),(印)卡兰·贾恩(Karan Jain)著2019 年出版198 页ISBN:9787111617198

    全书分为5章,通过介绍完整神经网络模型(包括循环神经网络、长短期记忆网络以及序列到序列模型)实例,向读者阐释用于自然语言处理(NLP)深度学习概念。前三章介绍NLP和深度学习基础知识、词向量表示和高级算....

返回顶部