神经网络与深度学习：案例与实践（第二版） - 第2页

...机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍神经网络的优化与正则...

...阐释深度学习的核心概念。 作者以技术原理为导向，辅以贯穿全书的 MNIST 手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目...

...人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习。附录包括传统的模式识别与机器学习方法近邻法和决策树，还有向量微积分和随机...

...从学习环境的搭建开始，图文并茂地介绍了学习机器学习所需的Python知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习...

...探讨了当今机器学习和人工智能领域中最重要的 30 个问题，旨在帮助读者了解最新的技术进展。全书共分为五个部分：神经网络与深度学习、计算机视觉、自然语言处理、生产与部署、预测性能与模型评测...

《Python深度学习实战：75个有关神经网络建模强化学习与迁移学习的解决方案》以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案，包括图像识别、自然语言处理、时间...

...过度到自然语言处理与深度学习技术。第二章是机器学习基础，包括线性代数、概率论、信息论、统计学习、隐马尔可夫模型和条件随机场模型。第三章介绍自然语言处理，帮助大家入门自然语言处理。第四章讲解深度学习...

...与基本使用，并结合 PaddlePaddle 接口介绍深度学习的基础知识，包括常用的神经网络和算法。最后，通过一系列深度学习项目实例介绍 PaddlePaddle 在各种场景和问题中的应用，让读者由浅至深地理解并运用深度学习...

...模型选择、超参数优化以及神经网络结构搜索（NAS）等关键技术，并分析自动化训练与部署流程的实现方法。 作者是资深的人工智能专家，大型金融集团科技公司深度学习平台和 AutoML 平台负责人。本书得到了...

...介绍神经网络和 PyTorch 的基础知识，以及如何使用 PyTorch 构建并训练神经网络，包括输入数据缩放、批归一化、超参数调整等；第二部分（第 4~10 章）介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关...