书目信息 |
| 题名： |
深度学习
|
|
| 作者： | 米凯卢奇 著 ；陶阳 ， 邓红平 译 | |
| 分册： | ||
| 出版信息： | 北京 机械工业出版社 2019 |
|
| 页数： | 12,268页 | |
| 开本： | 24cm | |
| 丛书名： | 智能系统与技术丛书 | |
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习 | |
| 电子资源： | ||
| ISBN： | 978-7-111-63710-3 | |
| 000 | 01756nam0 2200337 450 | |
| 001 | 2077355788 | |
| 005 | 20201007213011.57 | |
| 010 | @a978-7-111-63710-3@dCNY89.00 | |
| 035 | @a(A441900DGL)012020004604 | |
| 049 | @aA441900DGL@bUCS01009905327@c012020004604 | |
| 100 | @a20191018d2019 em y0chiy0110 ea | |
| 101 | 1 | @achi@ceng |
| 102 | @aCN@b110000 | |
| 105 | @aa z 000yy | |
| 200 | 1 | @a深度学习@9shen du xue xi@b专著@e基于案例理解深度神经网络@dApplied deep learning@ea case-based approach to understanding deep neural networks@f(瑞士)翁贝托·米凯卢奇(Umberto Michelucci)著@g陶阳，邓红平译@zeng |
| 210 | @a北京@c机械工业出版社@d2019 | |
| 215 | @a12,268页@c图@d24cm | |
| 225 | 2 | @a智能系统与技术丛书 |
| 305 | @a由Apress出版社授权出版 | |
| 306 | @a本书限中国大陆发行 | |
| 330 | @a本书探讨深度学习中的高级主题，例如优化算法、超参数调优、Dropout和误差分析，并讨论如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数（ReLu、sigmoid和Swish），然后介绍如何使用TensorFlow进行线性和逻辑回归，以及如何选择正确的代价函数，之后讨论具有多个层和神经元的更复杂的神经网络结构，并探讨权重的随机初始化问题。本书用一整章对神经网络误差分析进行概述，给出如何解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。 | |
| 461 | 0 | @12001 @a智能系统与技术丛书 |
| 510 | 1 | @aApplied deep learning@ea case-based approach to understanding deep neural networks@zeng |
| 517 | 1 | @a基于案例理解深度神经网络@9ji yu an li li jie shen du shen jing wang luo |
| 606 | 0 | @a机器学习 |
| 690 | @aTP181@v5 | |
| 701 | 0 | @c(瑞士)@a米凯卢奇@9mi kai lu qi@c(Michelucci, Umberto)@4著 |
| 702 | 0 | @a陶阳@9tao yang@f(1976-)@4译 |
| 702 | 0 | @a邓红平@9deng hong ping@f(1977-)@4译 |
| 801 | 0 | @aCN@bA441900DGL@c20200401 |
| 905 | @a241250@dTP181@e61 | |
| 深度学习：基于案例理解深度神经网络=Applied deep learning：a case-based approach to understanding deep neural networks/(瑞士)翁贝托·米凯卢奇(Umberto Michelucci)著/陶阳，邓红平译.-北京：机械工业出版社，2019 |
| 12,268页：图；24cm.-(智能系统与技术丛书) |
| ISBN 978-7-111-63710-3：CNY89.00 |
| 本书探讨深度学习中的高级主题，例如优化算法、超参数调优、Dropout和误差分析，并讨论如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数（ReLu、sigmoid和Swish），然后介绍如何使用TensorFlow进行线性和逻辑回归，以及如何选择正确的代价函数，之后讨论具有多个层和神经元的更复杂的神经网络结构，并探讨权重的随机初始化问题。本书用一整章对神经网络误差分析进行概述，给出如何解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。 |
| ● |
| 相关链接 |
正题名：深度学习
索取号：TP181/61
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1873575 | 218735750 | 样本书库/4110520203/ [索取号:TP181/61] | 在馆 | |
| 2 | 1873576 | 218735769 | 新区/5100080502/ [索取号:TP181/61] | 在馆 | |
| 3 | 1873577 | 218735778 | 新区/5100080502/ [索取号:TP181/61] | 在馆 |