机读格式显示(MARC)

• 000 01781nam0 2200265 450

• 001 0001020284

• 005 20210729125100.0

• 010 __ |a 978-7-301-16122-7 |d CNY69.00

• 100 __ |a 20200819d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 深度学习笔记 |A shen du xue xi bi ji |f 鲁伟著

• 210 __ |a 北京 |c 北京大学出版社 |d 2020.8

• 215 __ |a 190页 |c 图 (部分彩图) |d 26cm

• 320 __ |a 有书目 (第189-190页)

• 330 __ |a 本书以一名深度学习学习者的视角展开深度学习相关的理论、技术和实践写作，因而命名为深度学习笔记。在对神经网络的基本理论讲解的基础上，深入对深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）的理论和实践进行讲述。重点对三种神经网络的原理和机制进行阐述，对图像分类、目标检测、图像分割、语音识别、自然语言处理等方面进行介绍，并对人脸识别、无人驾驶和医学图像分割等应用进行实战讲解，并介绍相关的人工智能产品的商业应用价值。全书实战方面以python为实践工具，对主流的深度学习框架进行介绍，并以keras为工具进行实战。 本书分为九个部分：第一部分：深度学习导论，内容包括机器学习、深度学习和人工智能的概念与技术、深度学习理论基础、深度学习的数据驱动与商业应用价值。第二部分：从感知机到神经网络，内容包括感知机理论、神经网络和深度神经网络。第三部分：卷积神经网络理论。第四部分：CNN与计算机视觉，包括图像分类、目标检测和图像分割。第五部分：卷积神经网络应用与实战。第六部分：循环神经网络，包括序列模型、注意力机制与长短期记忆网络。第七部分：RNN与自然语言处理。第八部分：语音识别、语音合成技术实战。第九部分：生成对抗网络。第十部分：总结深度学习理论与应用前沿。

• 333 __ |a 机器学习人员。

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 鲁伟 |A lu wei |4 著

• 801 _0 |a CN |b 江苏新华 |c 20200817

• 801 _2 |a CN |b Wuxilib |c 20210729

• 905 __ |a Wuxilib |d TP181/159