本書涵蓋了經典和現代的深度學習模型。
章節分為三類:第1部分為神經網絡的基礎。
許多傳統的機器學習模型可以理解為神經網絡的特殊情況。
前兩章的重點是理解傳統機器學習和神經網絡之間的關係。
支持向量機、線性/邏輯回歸、奇異值分解、矩陣分解和推薦系統都是神經網絡的特例。
本書將這些方法與特徵工程方法如word2vec一起進行了研究。
第2部分是神經網絡的基本原理。
訓練和正則化的詳細討論在第3章和第4章提供。
第5章和第6章介紹了徑向基函數(RBF)網絡和受限的玻爾茲曼機。
第3部分是神經網絡的高級主題:第7章和第8章討論了循環神經網絡和卷積神經網絡。
第9章和第10章介紹了幾個高級主題，如深度強化學習、神經圖像機、Kohonen自組織映射和生成對抗網絡。
這本書是為研究生、研究人員和實踐者編寫的。
大量的練習和一個解決方案手冊，以幫助在課堂教學。
在可能的情況下，突出顯示以應用程序為中心的視圖，
以便提供對每一類技術的實際用途的理解。
神經網絡與深度學習
- 作者： Charu C. Aggarwal
- 譯者： Charu C. Aggarwal 石川 楊成譯
- 出版社： 機械工業
- 出版日期： 2021-08-01
- ISBN碼： 9787111686859
- 編號： 9787111686859
$ 760 元
原價 894
-
$760