深度学习：方法及应用 - 第4页

...兹曼机器学习等经典理论为开端，以深度学习为结果，向读者展示了一个非常美妙的机器学习技术领域。内容包括数据采集、数据挖掘、机器学习、支持向量机、神经网络、模型调整、基于玻尔兹曼机器学习的图像处理方法等...

...算法、矩阵分解和谱方法、距离估计、新的核算法、多层感知器的深度学习和非参数贝叶斯方法。书中对所有学习算法都进行了解释，以便读者可以很容易地将书中的公式转变为计算机程序...

...识别与机器学习领域进行剖析。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、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...

...概率模型、深度模型和强化学习方法，并通过 PyTorch 代码将算法落地。对于已经掌握机器学习基础、希望提升算法理解深度和工程实践能力的读者而言，这种由理论到实现再到项目应用的结构具有较高学习价值。

...神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术...

...法等几章则分别讨论了深度学习在强化学习领域的应用。本书延续“鱼书”系列的风格，搭配丰富的图、表、代码示例，加上轻松、简明的讲解，让人循序渐进地理解强化学习中各种方法之间的关系...

...深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外，还介绍了包括 Theano、Pylearn2、Caffe、DIGITS、Chainer 和 TensorFlow 在内的深度...

...网络、深度强化学习和深度迁移学习等深度学习的理论方法与框架，详细介绍 9 种不同的深度学习模型在复杂系统健康监测中的应用，并结合具体的应用案例进行展示.本书可作为高等院校机械工程...

本书以通俗易懂的语言和有趣的插画来解释深度学中的概念和方法，生动形象的插图更容易帮助读者理解和记忆。同时，书中指导读者将自己的理解制作成短，以加强学效果。另外，书中...