- 基于深度学习的自然语言处理/智能科学与技术丛书
- - 作者：(以色列)约阿夫·戈尔德贝格|译者:车万翔//郭江//张伟男//刘铭
  - 出版社：机械工业
  - ISBN：9787111593737
  - 出版日期：2018/05/01
  - 页数：255
- 售价：27.6

内容大纲
约阿夫·戈尔德贝格著的《基于深度学习的自然语言处理/智能科学与技术丛书》重点介绍了神经网络模型在自然语言处理中的应用。首先介绍有监督的机器学习和前馈神经网络的基本知识，如何将机器学习方法应用在自然语言处理中，以及词向量表示（而不是符号表示）的应用。然后介绍更多专门的神经网络结构，包括一维卷积神经网络、循环神经网络、条件生成模型和基于注意力的模型。后，讨论树形网络、结构化预测以及多任务学习的前景。
作者介绍
目录
译者序
前言
致谢
  第1章  引言
    1.1 自然语言处理的挑战
    1.2 神经网络和深度学习
    1.3 自然语言处理中的深度学习
    1.4 本书的覆盖面和组织结构
    1.5 本书未覆盖的内容
    1.6 术语
    1.7 数学符号
    注释
第一部分  有监督分类与前馈神经网络
  第2章  学习基础与线性模型
    2.1 有监督学习和参数化函数
    2.2 训练集、测试集和验证集
    2.3 线性模型
      2.3.1 二分类
      2.3.2 对数线性二分类
      2.3.3 多分类
    2.4 表示
    2.5 独热和稠密向量表示
    2.6 对数线性多分类
    2.7 训练和最优化
      2.7.1 损失函数
      2.7.2 正则化
    2.8 基于梯度的最优化
      2.8.1 随机梯度下降
      2.8.2 实例
      2.8.3 其他训练方法
  第3章  从线性模型到多层感知器
    3.1 线性模型的局限性：异或问题
    3.2 非线性输入转换
    3.3 核方法
    3.4 可训练的映射函数
  第4章  前馈神经网络
    4.1 一个关于大脑的比喻
    4.2 数学表示
    4.3 表达能力
    4.4 常见的非线性函数
    4.5 损失函数
    4.6 正则化与丢弃法
    4.7 相似和距离层
    4.8 嵌入层
  第5章  神经网络训练
    5.1 计算图的抽象概念
      5.1.1 前向计算
      5.1.2 反向计算（导数、反向传播）
      5.1.3 软件
      5.1.4 实现流程

  ……
第二部分  处理自然语言数据
第三部分  特殊的结构
第四部分  其他主题
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目