杭州电子科技大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

TensorFlow神经网络编程/(印)曼普里特·辛格·古特(Manpreet Singh Ghotra)，(印)拉蒂普·杜瓦(Rajdeep Dua)著 马恩驰，陆健译

出版发行项:

北京:机械工业出版社,2018.11

ISBN及定价:

978-7-111-61178-3/CNY69.00

载体形态项:

13,220页:图;24cm

并列正题名:

Neural network programming with TensorFlow

丛编项:

智能系统与技术丛书

个人责任者:

(印) 古特 (Ghotra, Manpreet Singh) 著

个人责任者:

(印) 杜瓦 (Dua, Rajdeep) 著

个人次要责任者:

马恩驰 译

个人次要责任者:

陆健 译

学科主题:

人工神经网络-程序设计

中图法分类号:

TP183

版本附注:

由Packt Publishing授权独家出版

责任者附注:

曼普里特·辛格·古特（ManpreetSinghGhotra），在企业和大数据软件方面拥有超过15年的软件开发经验。目前，他正致力于开发一个机器学习平台/API，该平台主要使用诸如TensorFlow、Keras、ApacheSpark和PredictionIO等开源库和框架进行开发。他在各种机器学习应用场景上有丰富的经验，其中包括情感分析、垃圾邮件检测、图像调整和异常检测。他是世界上最大在线零售商之一机器学习组的成员，主要工作是使用R和ApacheMahout做运输时间优化。

提要文摘附注:

本书是一本系统讲解如何基于TensorFlow实现神经网络的入门级实践指南，涵盖前馈神经网络、卷积神经网络(CNN)、递归神经网络(RNN)、深度信念网络(DBN)等，共10章，第1章详细讲解神经网络中的基本代数知识、概率论和优化方法，并演示如何在TensorFIow中执行数学运算；第2章介绍前馈神经网络的基础知识及其在TensorFlow中的实现；第3章介绍对神经网络学习至关重要的优化方法，包括优化技术的基础和不同类型的优化器；第4章详细讨论CNN算法及其在不同数据类型中的应用；第5章详细介绍RNN算法及其在不用数据类型中的应用；第6章介绍生成模型的基础知识以及不同的生成模型；第7章探索DBN并研究如何使用一个或多个RBM层来构建分类管道；第8章介绍三种不同类型的自编码器：基本自编码器、加性高斯噪声自编码器和稀疏自编码器；第9章讨论深度学习当前和未来的具体研究内容，包括提升准确率、避免过拟合和视频分类等；第10章讨论TensorFlow的环境配置、TensorFlow与Numpy的比较以及自动微分的概念。

使用对象附注:

本书适用于希望使用神经网络的拥有统计背景的开发人员

豆瓣简介：