- 神经网络与深度学习--基于TensorFlow框架和Python技术实现(IT工程师宝典)
- - 作者：编者:包子阳
  - 出版社：电子工业
  - ISBN：9787121362019
  - 出版日期：2019/04/01
  - 页数：185
- 售价：19.92

内容大纲
    Python、TensorFlow、神经网络和深度学习因人工智能的流行而成为当下IT领域的热门关键词。本书首先介绍了Python及其常用库Numpy、Matplotlib和Scipy的基本使用方法；其次介绍了TensorFlow的基本知识及使用方法：然后介绍了神经网络的基础知识以及神经网络基本应用——感知机、线性回归与逻辑回归的理论与实现；最后介绍了两种热门的深度神经网络——卷积神经网络和循环神经网络的理论与实现。本书内容由浅入深，循序渐进，实践性强，包含丰富的仿真实例。
    本书适用于电子、通信、计算机、自动化、机器人和经济学等学科以及信号处理、语音识别、图像识别、模式识别、机器翻译和人机交互等领域的读者，可作为高等院校高年级本科生和研究生的学习用书，也可供相关领域的科研人员学习参考。
    本书实例源程序可从华信教育资源网（www.hxedu.com.cn）免费下载，或通过与本书责任编辑（zhangls@phei.com.cn）联系获取。
作者介绍
目录
第1章  绪论
  1.1  人工智能
  1.2  机器学习
    1.2.1  监督学习
    1.2.2  非监督学习
    1.2.3  半监督学习
  1.3  深度学习
    1.3.1  卷积神经网络
    1.3.2  循环神经网络
  1.4  实现工具
    1.4.1  Python
    1.4.2  TensorFlow
第2章  Python基础
  2.1  Python简介
    2.1.1  概述
    2.1.2  Python的特点
    2.1.3  Python的版本
  2.2  Python的安装
    2.2.1  Python官网下载安装
    2.2.2  Anaconda的安装
  2.3  Spyder编辑器
    2.3.1  Spyder界面
    2.3.2  Spyder快捷键
  2.4  Python基础知识
    2.4.1  基本语法
    2.4.2  基本数据类型和运算
    2.4.3  列表、元组和字符串
    2.4.4  字典和集合
    2.4.5  分支和循环
    2.4.6  函数和类
    2.4.7  模块
第3章  Python基础库
  3.1  Numpy库
    3.1.1  创建数组
    3.1.2  ndarray类
    3.1.3  数组操作
    3.1.4  形状操作
  3.2  Matplotlib库
    3.2.1  快速绘图
    3.2.2  绘制多轴图
    3.2.3  绘制3D图
  3.3  Scipy库
    3.3.1  scipy.io
    3.3.2  scipy.linalg
    3.3.3  scipy.fftpack
    3.3.4  scipy.optimize
    3.3.5  scipy.interpolate
    3.3.6  scipy.stats
第4章  TensorFlow基础
  4.1  概述

  4.2  TensorFlow的安装
  4.3  TensorFlow基本概念
    4.3.1  Graph和Session
    4.3.2  placeholder
    4.3.3  tensor
    4.3.4  Variable
    4.3.5  fetch和feed
  4.4  MNIST
    4.4.1  MNIST简介
    4.4.2  MNIST解析
第5章  神经网络基础
  5.1  神经网络概述
    5.1.1  神经网络常用术语
    5.1.2  神经网络模型
    5.1.3  神经网络的运作
    5.1.4  神经网络算法的特点
  5.2  神经元模型
  5.3  激活函数
    5.4.1  sigmoid函数
    5.4.2  tanh函数
    5.4.3  ReLU函数
    5.4.4  softmax函数
  5.4  损失函数
    5.4.1  均方差函数
    5.4.2  交叉熵函数
  5.5  梯度下降算法
    5.5.1  梯度下降算法推导
    5.5.2  梯度下降算法种类
  5.5  BP算法
    5.5.1  BP网络简介
    5.5.2  BP算法流程
  5.6  仿真实例
第6章  神经网络基础应用
  6.1  感知机
    6.1.1  感知机网络结构
    6.1.2  感知机学习规则
    6.1.3  感知机网络训练
    6.1.5  仿真实例
  6.2  线性回归
    6.2.1  线性回归理论
    6.2.2  仿真实例
  6.3  逻辑回归
    6.3.1  逻辑回归理论
    6.3.2  仿真实例
第7章  卷积神经网络
  7.1  概述
  7.2  卷积神经网络结构
    7.2.1  卷积层
    7.2.2  池化层
    7.2.3  全连接层

    7.2.4  Dropout层
  7.3  训练过程
  7.4  卷积神经网络经典模型
    7.4.1  LeNet-5模型
    7.4.2  AlexNet模型
  7.5  仿真实例
第8章  循环神经网络
  8.1  循环神经网络概述
    8.1.1  循环神经网络结构
    8.1.2  循环神经网络前向传播
    8.1.3  循环神经网络训练算法
  8.2  长短时记忆网络（LSTM）
    8.2.1  LSTM结构
    8.2.2  LSTM前向计算
    8.2.3  LSTM训练算法
    8.2.4  LSTM程序实现
  8.3  循环神经网络的变种
    8.3.1  双向循环神经网络
    8.3.2  深层循环神经网络
  8.4  仿真实例
附录A  Python主要函数
附录B  TensorFlow主要函数
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