机读格式显示(MARC)

• 000 01686nam0 2200289 450

• 001 0000336680

• 005 20230203170642.1

• 010 __ |a 978-7-302-62183-6 |d CNY59.90

• 092 __ |b CIP-DBD03358D8244E80BA6996FFC0CC8850

• 100 __ |a 20230202d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 神经网络与深度学习 |A shen jing wang luo yu shen du xue xi |e 微课视频版 |f 尚文倩编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2022.12

• 215 __ |a 267页, [1] 叶图版 |c 图 (部分彩图) |d 26cm

• 300 __ |a 国家级实验教学示范中心联席会计算机学科组规划教材 全国高等学校计算机教学指导委员会推荐教材

• 320 __ |a 有书目 (第266-267页)

• 330 __ |a 本书共13章, 第1章介绍神经网络的概念、发展历史、研究内容、应用领域以及神经网络与深度学习的关系。其后12章的内容分为两大部分: 第一部分 (第2-7章) 阐述了6种典型的神经网络模型, 即M-P模型、感知机模型、BP神经网络、Hopfield神经网络、玻耳兹曼机、自组织神经网络等。第二部分 (第8-13章) 阐述了深度学习的6种经典模型, 即深度神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式对抗网络、图神经网络等。详细介绍了它们的网络结构、学习算法、工作原理、应用实例及操作实践, 使学生在全面掌握神经网络与深度学习相关知识的同时, 提高动手能力, 并提高应用神经网络与深度学习技术来解决实际问题的能力。

• 333 __ |a 本书可作为计算机科学与技术、智能科学与技术、人工智能、数据科学与大数据技术、自动化、机器人工程等专业的教材, 也可供相关领域的研究人员和工程技术人员参考

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 高等学校 |j 教材

• 606 0_ |a 机器学习 |A ji qi xue xi |x 高等学校 |j 教材

• 690 __ |a TP183 |v 5

• 690 __ |a TP181 |v 5

• 701 _0 |a 尚文倩 |A shang wen qian |4 编著

• 801 _0 |a CN |b 湖北三新 |c 20230202