谁知我电子书电子书下载 -- 最新最全的电子书下载网欢迎您^_^

logo

深入理解神经网络下载

深入理解神经网络

  • 电子书名称:深入理解神经网络
  • 电子书分类:科技
  • 电子书作者:张觉非
  • 电子书类型:TXT/PDF
  • 信息来源:豆瓣
  • ISBN: 9787115517234
  • 出版时间: 2019-9
  • 出版社: 人民邮电出版社

文档说明:

  • 一、《深入理解神经网络》是作者【张觉非】创作的原创小说作品!
  • 二、谁知我电子书免费提供TXT小说,TXT电子书下载。本站所有电子书资源均由网友提供的网盘,所有资源本站不负责保存,如果您认为本站的内容侵犯了您的版权,联系我们将在第一时间将该链接删除。本站不负一切责任!

热门科技类电子书下载

  • 1 Hands-On Machi [下载]
  • 2 机器学习实战: [下载]
  • 3 行政处罚办案程 [下载]
  • 4 通用源码阅读指 [下载]
  • 5 数字思维 [下载]
  • 6 Python深度学习 [下载]
  • 7 大脑之美 [下载]
  • 8 智慧的疆界 [下载]
  • 9 深入浅出图神经 [下载]
  • 10 算法详解(卷1 [下载]
  • 11 人工神经网络理 [下载]
  • 12 深度学习的数学 [下载]
  • 13 区块链实战:从 [下载]
  • 14 深入理解神经网 [下载]
  • 15 PyTorch 机器学 [下载]
  • 16 信息传 [下载]
  • 17 labuladong的算 [下载]
  • 深入理解神经网络目录

    第一部分 线性模型
    第1章 逻辑回归  2
    1.1 作为一个神经元的逻辑回归  2
    1.2 基础向量几何  4
    1.2.1 向量  4
    1.2.2 向量的和、数乘与零向量  6
    1.2.3 向量的内积、模与投影  8
    1.2.4 线性空间、基与线性函数  11
    1.2.5 直线、超平面与仿射函数  14
    1.3 从几何角度理解逻辑回归的能力和局限  17
    1.4 实例:根据鸟类骨骼判断生态类群  20
    1.5 小结  24
    第2章 模型评价与损失函数  25
    2.1 训练集与测试集  25
    2.2 分类模型的评价  26
    2.2.1 混淆矩阵  26
    2.2.2 正确率  27
    2.2.3 查准率  27
    2.2.4 查全率  27
    2.2.5 ROC曲线  28
    2.3 损失函数  29
    2.3.1 K-L散度与交叉熵  29
    2.3.2 最大似然估计  31
    2.3.3 从几何角度理解交叉熵损失  33
    2.4 小结  35
    第3章 梯度下降法  36
    3.1 多元函数的微分  36
    3.1.1 梯度  37
    3.1.2 方向导数  40
    3.1.3 偏导数  43
    3.1.4 驻点  43
    3.1.5 局部极小点  44
    3.2 梯度下降法  46
    3.2.1 反梯度场  47
    3.2.2 梯度下降法  49
    3.2.3 梯度下降法的问题  50
    3.3 梯度下降法的改进  52
    3.3.1 学习率调度  52
    3.3.2 冲量法  54
    3.3.3 AdaGrad  55
    3.3.4 RMSProp  56
    3.3.5 Adam  57
    3.4 运用梯度下降法训练逻辑回归  59
    3.5 梯度下降法训练逻辑回归的Python实现  61
    3.6 小结  67
    第4章 超越梯度下降  68
    4.1 矩阵  68
    4.1.1 矩阵基础  68
    4.1.2 矩阵的逆  71
    4.1.3 特征值与特征向量  73
    4.1.4 对称矩阵的谱分解  74
    4.1.5 奇异值分解  76
    4.1.6 二次型  77
    4.2 多元函数的局部二阶特性  79
    4.2.1 赫森矩阵  79
    4.2.2 二阶泰勒展开  79
    4.2.3 驻点的类型  82
    4.2.4 赫森矩阵的条件数  84
    4.3 基于二阶特性的优化  87
    4.3.1 牛顿法  87
    4.3.2 共轭方向法  92
    4.4 运用牛顿法训练逻辑回归  95
    4.5 牛顿法训练逻辑回归的Python实现  98
    4.6 小结  100
    第5章 正则化  102
    5.1 概率论回顾  102
    5.1.1 随机变量  102
    5.1.2 多元随机变量  105
    5.1.3 多元随机变量的期望和协方差矩阵  106
    5.1.4 样本均值和样本协方差矩阵  106
    5.1.5 主成分  108
    5.1.6 正态分布  111
    5.2 模型自由度与偏置?方差权衡  115
    5.2.1 最小二乘线性回归  116
    5.2.2 模型自由度  118
    5.2.3 偏置?方差权衡  119
    5.3 正则化  122
    5.3.1 岭回归与L_2正则化  122
    5.3.2 L_2正则化的贝叶斯视角  125
    5.3.3 L_1正则化  126
    5.4 过拟合与欠拟合  127
    5.5 运用L_2正则化训练逻辑回归  130
    5.6 运用L_2正则化训练逻辑回归的Python实现  132
    5.7 小结  135
    第二部分 神经网络
    第6章 神经网络  138
    6.1 合作的神经元  138
    6.2 多层全连接神经网络  142
    6.3 激活函数  145
    6.3.1 Linear  145
    6.3.2 Logistic  146
    6.3.3 Tanh  148
    6.3.4 ReLU  150
    6.3.5 Leaky ReLU以及PReLU  151
    6.3.6 SoftPlus  153
    6.4 多分类与SoftMax  154
    6.5 小结  157
    第7章 反向传播  158
    7.1 映射  158
    7.1.1 仿射映射  158
    7.1.2 雅可比矩阵  159
    7.1.3 链式法则  160
    7.2 反向传播  162
    7.2.1 网络的符号表示  162
    7.2.2 原理  163
    7.2.3 实现  166
    7.3 相关问题  169
    7.3.1 计算量  169
    7.3.2 梯度消失  170
    7.3.3 正则化  170
    7.3.4 权值初始化  170
    7.3.5 提前停止  171
    7.4 多层全连接神经网络的Python实现  173
    7.5 小结  181
    第8章 计算图  183
    8.1 计算图模型  183
    8.1.1 简介  183
    8.1.2 多层全连接神经网络的计算图  187
    8.1.3 其他神经网络结构的计算图  188
    8.2 自动求导  190
    8.3 自动求导的实现  192
    8.4 计算图的Python实现  195
    8.5 小结  214
    第9章 卷积神经网络  215
    9.1 卷积  215
    9.1.1 一元函数的卷积  215
    9.1.2 多元函数的卷积  219
    9.1.3 滤波器  223
    9.2 卷积神经网络的组件  228
    9.2.1 卷积层  228
    9.2.2 激活层  230
    9.2.3 池化层  231
    9.2.4 全连接层  233
    9.2.5 跳跃连接  234
    9.3 深度学习的正则化方法  236
    9.3.1 权值衰减  236
    9.3.2 Dropout  237
    9.3.3 权值初始化  237
    9.3.4 批标准化  238
    9.3.5 数据增强  239
    9.4 小结  239
    第10章 经典CNN  241
    10.1 LeNet-5  241
    10.2 AlexNet  245
    10.3 VGGNet  248
    10.4 GoogLeNet  251
    10.5 ResNet  255
    10.6 小结  257
    第11章 TensorFlow实例  258
    11.1 多分类逻辑回归  258
    11.2 多层全连接神经网络  266
    11.3 LeNet-5  269
    11.4 AlexNet  273
    11.5 VGG16  277
    11.6 小结  280
    附录A CNN与元胞自动机  281
    参考文献  311
    · · · · · ·

    深入理解神经网络下载链接

     

    来自微博用户爱可可-爱生活的评论2020-12-25 13:40:13

    #转发赠书# 活动汇总,参与请转发原微博《程序员面试金典(第6版)》

    来自微博用户桃汁妖妖妖的评论2020-12-25 13:40:13

    读《深入理解计算机系统》,我突然仿佛找到了一种异曲同工之妙:计算机的分层次的存储结构,与深度神经网络的对比。磁盘☞主存☞缓存☞寄存器组,有了多层次,使得数据存取速度加快;而DNN,通过多隐层的堆叠,提高网络的表示能力。

    最新科技类电子书下载

    下载须知:本站所有电子书资源由网友提供,如有失效链接,请更换资源后再次下载;所有资源本站不负责保存。

    电子书下载txt免费下载 txt电子书免费下载全集全本完结 小说下载 txt 电子书 免费下载全本 谁知我电子书

    热门标签

    Copyright @ 2014-2020 ALL Rights Reserved. 谁知我电子书