机读格式显示(MARC)
- 000 02524oam2 2200349 450
- 010 __ |a 978-7-111-61178-3 |d CNY69.00
- 100 __ |a 20181108d2018 em y0chiy50 ea
- 200 1_ |a TensorFlow神经网络编程 |A TensorFlow shen jing wang luo bian cheng |b 专著 |d Neural network programming with TensorFlow |f (印)曼普里特·辛格·古特(Manpreet Singh Ghotra),(印)拉蒂普·杜瓦(Rajdeep Dua)著 |g 马恩驰,陆健译 |z eng
- 210 __ |a 北京 |c 机械工业出版社 |d 2018.11
- 215 __ |a 13,220页 |c 图 |d 24cm
- 225 2_ |a 智能系统与技术丛书 |A Zhi Neng Xi Tong Yu Ji Shu Cong Shu
- 305 __ |a 由Packt Publishing授权独家出版
- 314 __ |a 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。
- 330 __ |a 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。
- 333 __ |a 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
- 461 _0 |1 2001 |a 智能系统与技术丛书
- 510 1_ |a Neural network programming with TensorFlow |z eng
- 606 0_ |a 人工神经网络 |A Ren Gong Shen Jing Wang Luo |x 程序设计
- 701 _0 |c (印) |a 古特 |A gu te |c (Ghotra, Manpreet Singh) |4 著
- 701 _0 |c (印) |a 杜瓦 |A du wa |c (Dua, Rajdeep) |4 著
- 702 _0 |a 马恩驰 |A ma en chi |4 译
- 702 _0 |a 陆健 |A lu jian |4 译
- 801 _0 |a CN |b HDUL |c 20181116
- 905 __ |a HDUL |d TP183/4201