深度学习实战
作者:Douwe Osinga
出版社:机械工业出版社
ISBN:9787111624837
VIP会员免费
(仅需0.8元/天)
¥ 45.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
深度学习,人工智能算法,机器学习奠基之作,AI圣经.pdf 评分:
AI圣经!深度学习领域奠基性的经典畅销书!长期位居美国亚马逊AI和机器学习类图书榜首!所有数据科学家和机器学习从业者的必读图书!特斯拉CEO埃隆·马斯克等国内外众多专家推荐! 深度学习是机器学习的一个分支,它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识,所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念,而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。 本书囊括了数学及相关概念的背景知识,包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时,它还介绍了工业界中实践者用到的深度学习技术,包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等,并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。*后,本书还提供了一些研究方向,涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。 《深度学习》这本书既可以被本科生或研究生用于规划其学术界或工业界生涯,也适用于希望在各种产品或平台上开始使用深度学习技术的软件工程师。作者 在本书的配套网站上为读者和教师提供了补充资料。中文版读者可以访问人民邮电出版社异步社区www.epubit.com.cn获取相关信息。 封面特色: 由艺术家Daniel Ambrosi提供的中央公园杜鹃花步道梦幻景观。在Ambrosi的亿级像素全景图上,应用Joseph Smarr(Google)和Chirs Lamb(NVIDIA)修改后的Google DeepDream开源程序,创造了Daniel Ambrosi的“幻景”。 《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。, 《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。
上传时间:2018-02 大小:13.31MB
- 41KB
人工智能基础算法.pdf
2021-10-19人工智能基础算法.pdf
- 146KB
人工智能的常用十种算法.pdf
2023-02-27⼈⼯智能的常⽤⼗种算法 根据⼀些 feature 进⾏分类,每个节点提⼀个问题,通过判断,将数据分为两类,再继续提问。这些问题是根据已有数据学习出来的,再投 ⼊新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶⼦上。 如果你觉得这篇⽂章看起来稍微还有些吃⼒,或者想要更系统地学习⼈⼯智能,那么推荐你去看床长⼈⼯智能教程。⾮常棒的⼤神之作,教 程不仅通俗易懂,⽽且很风趣幽默。点击可以查看教程。 2. 随机森林 随机森林 在源数据中随机选取数据,组成⼏个⼦集 S 矩阵是源数据,有 1-N 条数据,A B C 是feature,最后⼀列C是类别 由 S 随机⽣成 M 个⼦矩阵 这 M 个⼦集得到 M 个决策树 将新数据投⼊到这 M 个树中,得到 M 个分类结果,计数看预测成哪⼀类的数⽬最多,就将此类别作为最后的预测结果 3. 逻辑回归 逻辑回归 当预测⽬标是概率这样的,值域需要满⾜⼤于等于0,⼩于等于1的,这个时候单纯的线性模型是做不到的,因为在定义域不在某个范围之 内时,值域也超出了规定区间。 所以此时需要这样的形状的模型会⽐较好 那么怎么得到这样的模型呢? 这个模型需要满⾜两个条件 ⼤于等于0,⼩于等于1 ⼤于等于0 的模型可以选择 绝对值,平⽅值,这⾥⽤ 指数函数,⼀定⼤于0 ⼩于等于1 ⽤除法,分⼦是⾃⼰,分母是⾃⾝加上1,那⼀定是⼩于1的了 再做⼀下变形,就得到了 logistic regression 模型 1. 决策树 决策树 通过源数据计算可以得到相应的系数了 最后得到 logistic 的图形 4. SVM support vector machine 要将两类分开,想要得到⼀个超平⾯,最优的超平⾯是到两类的 margin 达到最⼤,margin就是超平⾯与离它最近⼀点的距离,如下 图,Z2>Z1,所以绿⾊的超平⾯⽐较好 将这个超平⾯表⽰成⼀个线性⽅程,在线上⽅的⼀类,都⼤于等于1,另⼀类⼩于等于-1 点到⾯的距离根据图中的公式计算 所以得到 total margin 的表达式如下,⽬标是最⼤化这个 margin,就需要最⼩化分母,于是变成了⼀个优化问题 举个栗⼦,三个点,找到最优的超平⾯,定义了 weight vector=(2,3)-(1,1) 得到 weight vector 为(a,2a),将两个点代⼊⽅程,代⼊(2,3)另其值=1,代⼊(1,1)另其值=-1,求解出 a 和 截矩 w0 的 值,进⽽得到超平⾯的表达式。 a 求出来后,代⼊(a,2a)得到的就是 support vector a 和 w0 代⼊超平⾯的⽅程就是 support vector machine 5. 朴素贝叶斯 朴素贝叶斯 举个在 NLP 的应⽤ 给⼀段⽂字,返回情感分类,这段⽂字的态度是positive,还是negative 为了解决这个问题,可以只看其中的⼀些单词 这段⽂字,将仅由⼀些单词和它们的计数代表 原始问题是:给你⼀句话,它属于哪⼀类 通过 bayes rules 变成⼀个⽐较简单容易求得的问题 问题变成,这⼀类中这句话出现的概率是多少,当然,别忘了公式⾥的另外两个概率 栗⼦:单词 love 在 positive 的情况下出现的概率是 0.1,在 negative 的情况下出现的概率是 0.001 6. K最近邻 最近邻 k nearest neighbours 给⼀个新的数据时,离它最近的 k 个点中,哪个类别多,这个数据就属于哪⼀类 栗⼦:要区分 猫 和 狗,通过 claws 和 sound 两个feature来判断的话,圆形和三⾓形是已知分类的了,那么这个 star 代表的是哪⼀类呢 k=3时,这三条线链接的点就是最近的三个点,那么圆形多⼀些,所以这个star就是属于猫 7. K均值 均值 想要将⼀组数据,分为三类,粉⾊数值⼤,黄⾊数值⼩ 最开⼼先初始化,这⾥⾯选了最简单的 3,2,1 作为各类的初始值 剩下的数据⾥,每个都与三个初始值计算距离,然后归类到离它最近的初始值所在类别 分好类后,计算每⼀类的平均值,作为新⼀轮的中⼼点 ⼏轮之后,分组不再变化了,就可以停⽌了 8. Adaboost adaboost 是 bosting 的⽅法之⼀ bosting就是把若⼲个分类效果并不好的分类器综合起来考虑,会得到⼀个效果⽐较好的分类器。 下图,左右两个决策树,单个看是效果不怎么好的,但是把同样的数据投⼊进去,把两个结果加起来考虑,就会增加可信度 adaboost 的栗⼦,⼿写识别中,在画板上可以抓取到很多 features,例如 始点的⽅向,始点和终点的距离等等 training 的时候,会得到每个 feature 的 weight,例如 2 和 3 的开头部分很像,这个 feature 对分类起到的作⽤很
- 146KB
人工智能的常用十种算法(1).pdf
2023-02-27⼈⼯智能的常⽤⼗种算法 根据⼀些 feature 进⾏分类,每个节点提⼀个问题,通过判断,将数据分为两类,再继续提问。这些问题是根据已有数据学习出来的,再投 ⼊新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶⼦上。 如果你觉得这篇⽂章看起来稍微还有些吃⼒,或者想要更系统地学习⼈⼯智能,那么推荐你去看床长⼈⼯智能教程。⾮常棒的⼤神之作,教 程不仅通俗易懂,⽽且很风趣幽默。点击可以查看教程。 2. 随机森林 随机森林 在源数据中随机选取数据,组成⼏个⼦集 S 矩阵是源数据,有 1-N 条数据,A B C 是feature,最后⼀列C是类别 由 S 随机⽣成 M 个⼦矩阵 这 M 个⼦集得到 M 个决策树 将新数据投⼊到这 M 个树中,得到 M 个分类结果,计数看预测成哪⼀类的数⽬最多,就将此类别作为最后的预测结果 3. 逻辑回归 逻辑回归 当预测⽬标是概率这样的,值域需要满⾜⼤于等于0,⼩于等于1的,这个时候单纯的线性模型是做不到的,因为在定义域不在某个范围之 内时,值域也超出了规定区间。 所以此时需要这样的形状的模型会⽐较好 那么怎么得到这样的模型呢? 这个模型需要满⾜两个条件 ⼤于等于0,⼩于等于1 ⼤于等于0 的模型可以选择 绝对值,平⽅值,这⾥⽤ 指数函数,⼀定⼤于0 ⼩于等于1 ⽤除法,分⼦是⾃⼰,分母是⾃⾝加上1,那⼀定是⼩于1的了 再做⼀下变形,就得到了 logistic regression 模型 1. 决策树 决策树 通过源数据计算可以得到相应的系数了 最后得到 logistic 的图形 4. SVM support vector machine 要将两类分开,想要得到⼀个超平⾯,最优的超平⾯是到两类的 margin 达到最⼤,margin就是超平⾯与离它最近⼀点的距离,如下 图,Z2>Z1,所以绿⾊的超平⾯⽐较好 将这个超平⾯表⽰成⼀个线性⽅程,在线上⽅的⼀类,都⼤于等于1,另⼀类⼩于等于-1 点到⾯的距离根据图中的公式计算 所以得到 total margin 的表达式如下,⽬标是最⼤化这个 margin,就需要最⼩化分母,于是变成了⼀个优化问题 举个栗⼦,三个点,找到最优的超平⾯,定义了 weight vector=(2,3)-(1,1) 得到 weight vector 为(a,2a),将两个点代⼊⽅程,代⼊(2,3)另其值=1,代⼊(1,1)另其值=-1,求解出 a 和 截矩 w0 的 值,进⽽得到超平⾯的表达式。 a 求出来后,代⼊(a,2a)得到的就是 support vector a 和 w0 代⼊超平⾯的⽅程就是 support vector machine 5. 朴素贝叶斯 朴素贝叶斯 举个在 NLP 的应⽤ 给⼀段⽂字,返回情感分类,这段⽂字的态度是positive,还是negative 为了解决这个问题,可以只看其中的⼀些单词 这段⽂字,将仅由⼀些单词和它们的计数代表 原始问题是:给你⼀句话,它属于哪⼀类 通过 bayes rules 变成⼀个⽐较简单容易求得的问题 问题变成,这⼀类中这句话出现的概率是多少,当然,别忘了公式⾥的另外两个概率 栗⼦:单词 love 在 positive 的情况下出现的概率是 0.1,在 negative 的情况下出现的概率是 0.001 6. K最近邻 最近邻 k nearest neighbours 给⼀个新的数据时,离它最近的 k 个点中,哪个类别多,这个数据就属于哪⼀类 栗⼦:要区分 猫 和 狗,通过 claws 和 sound 两个feature来判断的话,圆形和三⾓形是已知分类的了,那么这个 star 代表的是哪⼀类呢 k=3时,这三条线链接的点就是最近的三个点,那么圆形多⼀些,所以这个star就是属于猫 7. K均值 均值 想要将⼀组数据,分为三类,粉⾊数值⼤,黄⾊数值⼩ 最开⼼先初始化,这⾥⾯选了最简单的 3,2,1 作为各类的初始值 剩下的数据⾥,每个都与三个初始值计算距离,然后归类到离它最近的初始值所在类别 分好类后,计算每⼀类的平均值,作为新⼀轮的中⼼点 ⼏轮之后,分组不再变化了,就可以停⽌了 8. Adaboost adaboost 是 bosting 的⽅法之⼀ bosting就是把若⼲个分类效果并不好的分类器综合起来考虑,会得到⼀个效果⽐较好的分类器。 下图,左右两个决策树,单个看是效果不怎么好的,但是把同样的数据投⼊进去,把两个结果加起来考虑,就会增加可信度 adaboost 的栗⼦,⼿写识别中,在画板上可以抓取到很多 features,例如 始点的⽅向,始点和终点的距离等等 training 的时候,会得到每个 feature 的 weight,例如 2 和 3 的开头部分很像,这个 feature 对分类起到的作⽤很
- 100.41MB
深度学习基础——设计下一代机器智能算法(英文版与代码)
2018-11-26深度学习基础——设计下一代机器智能算法(英文版与代码)
- 151.41MB
深度学习基础——设计下一代机器智能算法
2018-08-28深度学习基础——设计下一代机器智能算法,东南大学出版社出版了此书的影印版。
- 26.48MB
AI圣经,深度学习2017最新版pdf
2018-04-14这是深度学习入门的AI圣经,前面介绍了深度学习需要的一些基本的数学知识,很适合深度学习入门的同学
- 2.38MB
人工智能深度学习算法评估规范.pdf
2022-07-14人工智能深度学习算法评估规范.pdf人工智能深度学习算法评估规范.pdf人工智能深度学习算法评估规范.pdf人工智能深度学习算法评估规范.pdf人工智能深度学习算法评估规范.pdf人工智能深度学习算法评估规范.pdf
- 5.10MB
人工智能之机器学习常见算法.pdf
2023-08-10人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习...
- 60KB
对常用的机器学习和深度学习算法进行总结.pdf
2022-07-09对常用的机器学习和深度学习算法进行总结.pdf对常用的机器学习和深度学习算法进行总结.pdf对常用的机器学习和深度学习算法进行总结.pdf对常用的机器学习和深度学习算法进行总结.pdf对常用的机器学习和深度学习算法...
- 389KB
梯度下降算法原理讲解-机器学习.pdf
2023-05-12梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法...
- 9.94MB
DeepLearning中文版
2018-11-07AI圣经!深度学习领域奠基性的经典畅销书!长期位居美国ya马逊AI和机器学习类图书榜首!所有数据科学家和机器学习从业者的bi读图书!特斯拉CEO埃隆·马斯克等国内外众多专家推jian!
- 15.34MB
深度学习 AI圣经 中文高清版 带完整目录
2018-05-04深度学习 AI圣经 中文高清版 带完整目录
- 186.23MB
AI算法开源手册
2019-07-31人工智能算法开源手册,学习相关数学及算法,值得一阅
- 2.43MB
人工智能算法合集-python实现
2019-03-04人工智能算法合集,用python3实现,运行在notebook上,注解详细,包括聚类、神经网络等算法
- 8.39MB
解密阿里内部人工智能算法迭代工具AIBoost.pdf
2019-08-29算法专家 风奇在2017云栖大会·北京峰会中做了题为《解密阿里内部人工智能算法迭代工具AI Boost》的分享,就机器智能的迭代: AI Boost,挑战与未来等方面的内容做了深入的分析。
- 777KB
人工智能之机器学习算法体系汇总.pdf
2022-06-14人工智能之机器学习算法体系汇总.pdf人工智能之机器学习算法体系汇总.pdf人工智能之机器学习算法体系汇总.pdf人工智能之机器学习算法体系汇总.pdf人工智能之机器学习算法体系汇总.pdf人工智能之机器学习算法体系汇总...
- 8.36MB
第1章 机器学习概述 2 1.1. 人工智能概述 2 1.1.1. 机器学习与人工智能、深度学习 2 1.1.2. 机器学习、
2022-05-211.1.1. 机器学习与人工智能、深度学习 2 1.1.2. 机器学习、深度学习能做些什么 3 1.1.3. 人工智能阶段课程安排 4 1.2. 什么是机器学习 5 1.2.1. 定义 5 1.2.2. 解释 5 1.2.3. 数据集构成 6 1.3. 机器学习算法分类 7 ...
- 35KB
手把手教你使用Python实现机器学习算法.pdf
2022-06-16手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf...
- 82KB
人工智能综合实验一 黑白棋AI算法.pdf
2021-10-29人工智能综合实验一 黑白棋AI算法.pdf
- 292.47MB
人工智能与机器学习2021共39份.zip
2021-12-30人工智能与机器学习2021共39份.zip 人机结合_产业互联网智能化之路1123.pdf 内容安全中的多模态模型训练实践.pdf 决策规划在自动驾驶系统中的挑战与探索.pdf 出门问问端到端语音合成系统的研究与应用 .pdf 图神经...
- 26.50MB
AI圣经深度学习花书高清带详细书签
2018-09-16AI圣经深度学习花书高清带详细书签,最好的入门深度学习的书籍
- 26.50MB
深度学习 AI圣经 中文版pdf下载 最新版本
2018-02-25深度学习 AI圣经 中文最新修正版本 不是样章,就对可以查看完整章节,下载后好用给好评呀,谢了
- 26.50MB
深度学习 AI圣经中文 带书签无水印高清文字版
2018-04-19深度学习 AI圣经中文 带书签无水印高清文字版 深度学习 AI圣经中文 带书签无水印高清文字版
- 119.99MB
2019年度人工智能算法文章合集.pdf
2020-06-242019年度人工智能算法文章合集.pdf
- 1.81MB
人工智能算法岗笔试题(截图).pdf
2019-07-17本文档为阿里2018年算法笔试题,为截图格式。有需要的可以参考下
- 2.60MB
AI崛起——深度学习_人工智能的复兴 .pdf
2019-11-11重点探究人工智能深度学习的理念,进而分析深度学习应用前景,旨在加深人们对人工智能(AI)的认知深度。
- 3.23MB
机器学习算法与应用.pdf
2021-09-24机器学习算法与应用.pdf
- 170KB
机器学习与人工智能(回归方法)习题与答案.pdf
2022-06-14机器学习与人工智能(回归方法)习题与答案.pdf机器学习与人工智能(回归方法)习题与答案.pdf机器学习与人工智能(回归方法)习题与答案.pdf机器学习与人工智能(回归方法)习题与答案.pdf机器学习与人工智能(回归方法)习题...
- 1.32MB
机器学习10大经典算法..pdf
2022-07-03机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf...
- 541KB
逻辑回归分类实验——【机器学习与算法分析】.pdf
2022-06-20逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验...