机读格式显示(MARC)

• 000 02077nam 2200361 450

• 001 0000232421

• 005 20230717092500.0

• 010 __ |a 978-7-121-42138-9 |d CNY62.00

• 100 __ |a 20211027d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 001yy

• 106 __ |a r

• 200 1_ |a 深度学习的计算方法 |A shen du xue xi de ji suan fang fa |e 理论、实践与应用 |d = Computational methods for deep learning |e theoretic, practice and applications |f (新加坡) Weiqi Yan著 |g 周浦城, 秦晓燕, 鲍蕾译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2021.10

• 215 __ |a 17, 172页 |c 图 |d 24cm

• 225 2_ |a 国外计算机科学教材系列 |A guo wai ji suan ji ke xue jiao cai xi lie

• 306 __ |a 本书简体中文专有翻译出版权由Springer Nature Switzerland AG授予电子工业出版社

• 314 __ |a 责任者规范汉译姓名: 闫伟齐

• 314 __ |a Weiqi Yan, 博士, 新西兰奥克兰理工大学副教授。

• 320 __ |a 有书目

• 330 __ |a 本书作为深度学习方面的入门书籍, 目的是使读者通过学习, 理解和掌握深度学习背后的数学原理和计算方法, 并将其用于指导理论分析和实践开发。全书共8章。第1-2章主要介绍了深度学习的相关概念、发展简史、主要进展, 以及典型的深度学习平台 (MATLAB和TensorFlow)、数据增广技术和相关数学基础; 第3-5章详细阐述了深度学习的典型网络模型, 包括卷积神经网络、循环神经网络、自编码器、生成对抗网络及深度Q-学习等模型, 重点介绍了这些模型背后的数学原理; 第6章重点介绍了胶囊网络与流形学习; 第7章介绍了玻尔兹曼机及其变体, 包括受限玻尔兹曼机、深度玻尔兹曼机及概率图模型; 第8章介绍了迁移学习、孪生网络、集成学习及深度学习方面的重要工作。

• 333 __ |a 计算机相关专业人员

• 410 _0 |1 2001 |a 国外计算机科学教材系列

• 500 10 |a Computational methods for deep learning : theoretic, practice and applications |A Computational methods for deep learning : theoretic, practice and applications |m Chinese

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

• 690 __ |a TP181 |v 5

• 701 _0 |a 闫伟齐 |A yan wei qi |4 著

• 702 _0 |a 周浦城 |A zhou pu cheng |4 译

• 702 _0 |a 秦晓燕 |A qin xiao yan |4 译

• 702 _0 |a 鲍蕾 |A bao lei |4 译

• 801 _0 |a CN |b 湖北三新 |c 20211027

• 905 __ |a GDPTC |d TP181/173