简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 深度学习
• 人工智能
• 神经网络
• 机器学习
• 模式识别
• 算法
• Python
• TensorFlow
• PyTorch
• 数据科学

店铺： 义博图书专营店

出版社： 机械工业

ISBN：bm009917

商品编码：10443663566

bm009917    9787111529064  9787302331094    9787121288692

深度学习：方法及应用

定价 ￥39.80

 

 

• 版 次：1
• 页 数：
• 字 数：
• 印刷时间：2016-4-1
• 开 本：16开
• 纸 张：胶版纸
• 印 次：1
• 包 装：平装
• 丛书名：
• 国际标准书号ISBN：9787111529064
• 所属分类：>>

编辑推荐 深度学习是人工智能领域*近20年里*受瞩目的研究方向，近年来显著推动了语音、图像、自然语言理解、机器翻译，甚至是控制等众多技术方向的发展。本书原著作者微软研究院的邓力博士和俞栋博士是语音识别和深度学习方面的先驱之一，对于深度学习的进展有丰富的实践经验和深刻理解。这个学科处于快速进展之际，本书对当前的进展进行全景式系统性的梳理无疑是很有意义的，因为毕竟对于每一位读者，从这几年浩如烟海的论文中准确把握可以沉淀下来的进展是不容易的。谢磊教授受邓力博士之约在百忙之中对这本书进行翻译，对于深度学习在中国的发展具有重大意义。邓力博士和谢磊教授都是我所熟知的学者和好友。我相信，本书作为他们这次合作的成果，对于有志于了解和学习深度学习的中国读者会有极大的帮助。

余凯 
—— 地平线机器人技术 创始人/CEO，前百度研究院常务副院长、深度学习实验室主任 内容推荐 “这本书对前沿的深度学习方法及应用进行了全面的概述，不仅包括自动语音识别(ASR)，还包括计算机视觉、语言建模、文本处理、多模态学习以及信息检索。在深度学习这一领域，这是第本，也是有价值的一本书，能使读者对这一领域进行广泛而深入的学习。深度学习对信息处理的很多方面（尤其对语音识别）都具有重大的影响，甚至对整个科技领域的影响也不容忽视。因此，对于有意了解这一领域的学者，这本书是绝对不容错过的。”
—— Sadaoki Furui，芝加哥丰田技术研究院院长，日本东京工业大学教授

 

目录

1. 引言
1.1 深度学习的定义与背景
1.2 本书的结构安排
2. 深度学习的历史
3. 三类深度学习网络
3.1 三元分类方式
3.2 无监督和生成式学习深度网络
3.3 监督学习深度网络
3.4 混合深度网络
4. 深度自编码器——一种无监督学习方法
4.1 引言
4.2 利用深度自编码器来提取语音特征
4.3 堆叠式去噪自编码器
4.4 转换自编码器
5. 预训练的深度神经网络——一种混合方法
5.1 受限玻尔兹曼机
5.2 无监督逐层预训练
5.3 DNN和HMM结合
6. 深度堆叠网络及其变种——有监督学习权值
6.1 简介
6.2 深度堆叠网络的基本结构
6.3 一种学习DSN权值的方法
6.4 张量深度堆叠网络
6.5 核化深度堆叠网络
7. 语音和音频处理中的应用
7.1 语音识别中声学模型的建立
7.2 语音合成
7.3 音频和音乐处理
8. 在语言模型和自然语言处理中的相关应用
8.1 语言模型
8.2 自然语言处理
9. 信息检索领域中的应用
9.1 信息检索简介
9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索
9.3 文档检索中的深度结构语义模型
9.4 信息检索中深度堆叠网络的应用
10. 目标识别和计算机视觉中的应用
10.1无监督或生成特征学习
10.2有监督特征学习和分类
11. 多模态和多任务学习中的典型应用
11.1 多模态：文本和图像
11.2 多模态：语音和图像
11.3 在语音、自然语言处理或者图像领域的多任务学习
12. 结论
附录
参考文献

书名：	人工智能一种现代的方法(第3版)
图书定价：	￥ 128.00元
图书作者：	~ 麦克?科斯特 (作者), 苏义杰 (插图作者), 等 (插图作者), 狂飙@塞联阵 (译者)
出版社：	清华大学出版社
出版日期：	2013年11月
ISBN号：	9787302331094
开本：	16开
装帧：	平装
页数：	918页
版次：	第1版

《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》是权  威、经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》的新版全面而系统地介绍了人工智能的理论和实践，阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向。全书分为七大部分：第Ⅰ部分“人工智能”，第Ⅱ部分“问题求解”，第Ⅲ部分“知识、推理与规划”，第Ⅳ部分“不确定知识与推理”，第Ⅴ部分“学习”，第Ⅵ部分“通信、感知与行动”，第Ⅶ部分“结论”。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》既详细介绍了人工智能的基本概念、思想和算法，还描述了其各个研究方向前沿的进展，同时收集整理了详实的历史文献与事件。《世界著名计算机教材精选·人工智能:一种现代的方法(第3版)》适合于不同层次和领域的研究人员及学生，是高等院校本科生和研究生人工智能课的  选教材，也是相关领域的科研与工程技术人员的重要参考书。

第Ⅰ部分人工智能  第1章绪论  1.1什么是人工智能  1.2人工智能的基础  1.3人工智能的历史  1.4新发展水平  1.5本章小结  参考文献与历史注释  习题  第2章智能Agent  2.1Agent和环境  2.2好的行为：理性的概念  2.3环境的性质  2.4Agent的结构  2.5本章小结  参考文献与历史注释  习题  第Ⅱ部分问题求解  第3章通过搜索进行问题求解  3.1问题求解Agent  3.2问题实例  3.3通过搜索求解  3.4无信息搜索策略  3.5有信息（启发式）的搜索策略  3.6启发式函数  3.7本章小结  参考文献与历史注释  习题  第4章  越经典搜索  4.1局部搜索算法和优化问题  4.2连续空间中的局部搜索  4.3使用不确定动作的搜索  4.4使用部分可观察信息的搜索  4.5联机搜索Agent和未知环境  4.6本章小结  参考文献与历史注释  习题  第5章对抗搜索  5.1博弈  5.2博弈中的优化决策  5.3α—β剪枝  5.4不完美的实时决策  5.5随机博弈  5.6部分可观察的博弈  5.7博弈程序发展现状  5.8其他途径  5.9本章小结  参考文献与历史注释  习题  第6章约束满足问题  6.1定义约束满足问题  6.2约束传播：CSP中的推理  6.3CSP的回溯搜索  6.4CSP局部搜索  6.5问题的结构  6.6本章小结  参考文献与历史注释  习题  第Ⅲ部分知识、推理与规划  第7章逻辑Agent  7.1基于知识的Agent  7.2Wumpus世界  7.3逻辑  7.4命题逻辑：一种简单逻辑  7.5命题逻辑定理证明  7.6有效的命题逻辑模型检验  7.7基于命题逻辑的Agent  7.8本章小结  参考文献与历史注释  习题  第8章一阶逻辑  8.1重温表示  8.2一阶逻辑的语法和语义  8.3运用一阶逻辑  8.4一阶逻辑的知识工程  8.5本章小结  参考文献与历史注释  习题  第9章一阶逻辑的推理  9.1命题推理与一阶推理  9.2合一和提升  9.3前向链接  9.4反向链接  9.5归结  9.6本章小结  参考文献与历史注释  习题  第10章经典规划  10.1经典规划的定义  10.2状态空间搜索规划算法  10.3规划图  10.4其他经典规划方法  10.5规划方法分析  10.6本章小结  参考文献与历史注释  习题  第11章现实世界的规划与行动  11.1时间、调度和资源  11.2分层规划  11.3非确定性领域中的规划与行动  11.4多Agent规划  11.5本章小结  参考文献与历史注释  习题  第12章知识表示  12.1本体论工程  12.2类别和对象  12.3事件  12.4精神事件和精神对象  12.5类别的推理系统  12.6缺省信息推理  12.7互联网购物世界  12.8本章小结  参考文献与历史注释  习题  ……  第Ⅳ部分不确定知识与推理  第Ⅴ部分学习  第Ⅵ部分通讯、感知与行动  第Ⅶ部分结论 神经网络与深度学习  从零起步了解神经网络与深度学习，AlphaGo大胜李世石的背后玄机 59.00 基本信息 作者：    出版社： ISBN：9787121288692 上架时间：2016-6-16 出版日期：2016 年6月 开本：16开 页码：232 版次：1-1 所属分类：   编辑推荐 随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理"深度学习"也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？ 本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。 内容简介 《神经网络与深度学习》是一本介绍神经网络和深度学习算法基本原理及相关实例的书籍，它不是教科书，作者已尽量把公式减少到少，以适应绝大部分人的阅读基础和知识储备。《神经网络与深度学习》涵盖了神经网络的研究历史、基础原理、深度学习中的自编码器、深度信念网络、卷积神经网络等，这些算法都已在很多行业发挥了价值。 《神经网络与深度学习》适合有志于从事深度学习行业的，或想了解深度学习到底是什么的，或是有一定机器学习基础的朋友阅读。  目录 第0章 写在前面：神经网络的历史 1 第1章 神经网络是个什么东西 13 1.1 买橙子和机器学习 13 1.1.1 规则列表 14 1.1.2 机器学习 15 1.2 怎么定义神经网络 16 1.3 先来看看大脑如何学习 16 1.3.1 信息输入 17 1.3.2 模式加工 17 1.3.3 动作输出 18 1.4 生物意义上的神经元 19 1.4.1 神经元是如何工作的 19 1.4.2 组成神经网络 22 1.5 大脑如何解决现实生活中的分类问题 24 第2章 构造神经网络 26 2.1 构造一个神经元 26 2.2 感知机 30 2.3 感知机的学习 32 2.4 用代码实现一个感知机 34 2.4.1 Neuroph：一个基于Java的神经网络框架 34 2.4.2 代码实现感知机 37 2.4.3 感知机学习一个简单逻辑运算 39 2.4.4 XOR问题 42 2.5 构造一个神经网络 44 2.5.1 线性不可分 45 2.5.2 解决XOR问题（解决线性不可分） 49 2.5.3 XOR问题的代码实现 51 2.6 解决一些实际问题 54 2.6.1 识别动物 54 2.6.2 我是预测大师 59 第3章 深度学习是个什么东西 66 3.1 机器学习 67 3.2 特征 75 3.2.1 特征粒度 75 3.2.2 提取浅层特征 76 3.2.3 结构性特征 78 3.3 浅层学习和深度学习 81 3.4 深度学习和神经网络 83 3.5 如何训练神经网络 84 3.5.1 BP算法：神经网络训练 84 3.5.2 BP算法的问题 85 3.6 总结深度学习及训练过程 86 第4章 深度学习的常用方法 89 4.1 模拟大脑的学习和重构 90 4.1.1 灰度图像 91 4.1.2 流行感冒 92 4.1.3 看看如何编解码 93 4.1.4 如何训练 95 4.1.5 有监督微调 97 4.2 快速感知：稀疏编码（Sparse Coding） 98 4.3 栈式自编码器 100 4.4 解决概率分布问题：限制波尔兹曼机 102 4.4.1 生成模型和概率模型 102 4.4.2 能量模型 107 4.4.3 RBM的基本概念 109 4.4.4 再看流行感冒的例子 111 4.5 DBN 112 4.6 卷积神经网络 114 4.6.1 卷积神经网络的结构 116 4.6.2 关于参数减少与权值共享 120 4.6.3 举个典型的例子：图片内容识别 124 4.7 不会忘记你：循环神经网络 131 4.7.1 什么是RNN 131 4.7.2 LSTM网络 136 4.7.3 LSTM变体 141 4.7.4 结论 143 4.8 你是我的眼：利用稀疏编码器找图像的基本单位 143 4.9 你是我的眼（续） 150 4.10 使用深度信念网搞定花分类 160 第5章 深度学习的胜利：AlphaGo 169 5.1 AI如何玩棋类游戏 169 5.2 围棋的复杂性 171 5.3 AlphaGo的主要原理 173 5.3.1 策略网络 174 5.3.2 MCTS拯救了围棋算法 176 5.3.3 强化学习："周伯通，左右互搏" 179 5.3.4 估值网络 181 5.3.5 将所有组合到一起：树搜索 182 5.3.6 AlphaGo有多好 185 5.3.7 总结 187 5.4 重要的技术进步 189 5.5 一些可以改进的地方 190 5.6 未来 192 第6章 两个重要的概念 194 6.1 迁移学习 194 6.2 概率图模型 197 6.2.1 贝叶斯的网络结构 201 6.2.2 概率图分类 204 6.2.3 如何应用PGM 208 第7章 杂项 210 7.1 如何为不同类型的问题选择模型 210 7.2 我们如何学习"深度学习" 211 7.3 如何理解机器学习和深度学习的差异 212 7.4 大规模学习（Large Scale Learning）和并行计算 214 7.5 如果喜欢应用领域，可以考虑以下几种应用 215 7.6 类脑：人工智能的终  极目标 216 参考文献 218 术语 220

《穿越时空的旅行：从量子纠缠到宇宙弦》 这是一本引领读者踏上一场跨越时空维度的奇妙旅程的科普读物。本书不涉及任何关于深度学习、人工智能或神经网络的内容，而是将焦点置于现代物理学最前沿的探索，旨在揭示宇宙最深层的奥秘。 第一章：时间的真相——相对论的疆界 我们将从爱因斯坦的相对论出发，深入理解时间并非独立于空间的存在，而是与空间交织成一个动态的整体——时空。本书将以通俗易懂的方式，解释狭义相对论中的时间膨胀和长度收缩效应，以及广义相对论如何将引力描述为时空的弯曲。我们将探讨引力波的发现如何印证了爱因斯坦的预言，并展望引力波天文学为我们打开的认识宇宙的新窗口。此外，本书还将触及时间旅行的可能性，分析现有理论框架下的挑战与机遇，带领读者思考“过去”与“未来”的本质。 第二章：物质的脉搏——量子世界的奇异法则 本章将带领读者潜入比原子还小的量子世界，探索那些颠覆我们日常直觉的量子法则。我们将从量子叠加态出发，理解一个粒子为何可以同时处于多种状态，并通过著名的双缝干涉实验来直观感受量子的波动性。接着，我们将深入探讨量子纠缠这一“幽灵般的超距作用”，揭示两个或多个粒子如何能够瞬间地、超越空间的限制而相互关联。本书将阐述量子纠缠在量子计算和量子通信等未来技术中的潜在应用，但会避免涉及任何与深度学习相关的技术实现。我们还会介绍量子隧穿效应，解释微观粒子如何能够“穿透”经典物理学中不可能逾越的能量壁垒。 第三章：宇宙的基石——标准模型与超越 本章将梳理我们目前理解物质构成和相互作用的最成功的理论——粒子物理学标准模型。我们将一一介绍构成物质的基本粒子，如夸克和轻子，以及传递基本相互作用的玻色子，如光子、胶子和W、Z玻色子。本书将详细解释电磁力、强核力和弱核力如何在微观层面运作，以及希格斯玻色子如何赋予粒子质量。然而，标准模型并非万能，本书也将着重介绍标准模型之外的探索，包括暗物质和暗能量之谜，这些神秘的成分构成了宇宙的大部分，却不符合标准模型中的任何已知粒子。我们将讨论搜寻暗物质的实验进展，以及宇宙加速膨胀的观测证据，这些都指向了超出我们现有理解的物理学新领域。 第四章：宇宙的织锦——从大爆炸到宇宙的演化 我们将追溯宇宙的起源，从宇宙大爆炸那一刻的极端状态开始，描绘宇宙如何在引力和量子效应的共同作用下，经历了漫长而壮丽的演化过程。本书将解释宇宙微波背景辐射的发现如何为大爆炸理论提供了强有力的证据，并介绍宇宙膨胀的哈勃定律。我们将探讨恒星的诞生与死亡，以及元素如何在恒星内部的核聚变过程中被创造出来，最终散布到宇宙各处。此外，本书还将深入讨论黑洞的形成与性质，以及它们在星系演化中所扮演的角色。我们还会展望宇宙的终极命运，探讨宇宙是会继续膨胀下去，还是最终会迎来“大挤压”或其他更奇特的结局。 第五章：时空的深层结构——弦理论的猜想 在本章的最后，我们将目光投向物理学中最具雄心的理论之一——弦理论。本书将介绍弦理论的基本思想，即构成物质和传递力的基本单元并非点状粒子，而是微小的、振动的弦。我们将解释不同振动模式的弦如何对应不同的粒子，从而统一所有基本粒子和四种基本力。我们将探讨弦理论中引入的额外空间维度，以及这些额外维度如何被卷曲以致我们无法直接观测。本书将阐述弦理论为解决量子引力和统一物理学理论所带来的希望，但也会坦诚地指出其目前尚未被实验证实，仍处于理论猜想阶段。我们将简要介绍M理论及其在统一不同弦理论方面的作用，为读者呈现物理学家对宇宙终极理论的最新思考。 《穿越时空的旅行：从量子纠缠到宇宙弦》将是一次智力与想象力的盛宴，它将引导你离开熟悉的现实，去探索那些构成我们存在基石的宏大与精妙。这本书的宗旨是激发你对宇宙的好奇心，让你以全新的视角去审视我们所处的这个奇妙的世界。

评分☆☆☆☆☆

这本书的作者给我一种非常稳重、博学的印象。从书名就能感受到他对深度学习和人工智能领域有着深刻的理解和独到的见解。我一直觉得，一本好的技术书籍，不仅要有扎实的理论基础，更要有能够指导实践的能力。这本书的标题“神经网络与深度学习”虽然听起来有些技术性，但我更看重的是它背后所蕴含的创新思想和解决问题的能力。我个人对人工智能在医疗诊断、金融风控等领域的应用非常感兴趣，一直希望能找到一本能够系统性讲解相关算法原理，并且还能提供实际部署思路的书。这本书的厚度也让我觉得内容应该很充实，不会流于表面。我希望它能深入浅出地解释那些复杂的数学模型，并且用清晰的逻辑梳理出不同算法之间的联系和区别。如果书中能加入一些作者的个人思考和行业洞察，那就更好了，这样不仅能学到技术，还能了解到这个行业的未来发展趋势。总而言之，我对这本书的期待值非常高，希望能它能成为我学习AI路上的“启明星”。

评分☆☆☆☆☆

这本书的封面设计相当简约大气，给我一种专业且权威的感觉。作为一名对人工智能领域，尤其是深度学习技术抱有浓厚兴趣的读者，我一直在寻找一本能够系统、深入地介绍相关理论和应用的著作。从书名“深度学习+人工智能 +神经网络与深度学习”来看，它似乎涵盖了从宏观的人工智能概念到微观的神经网络实现，这正是我想深入了解的。我期待这本书能够清晰地梳理出人工智能的发展历程，并详细阐述神经网络作为核心技术是如何演进的。特别是对于不同类型的神经网络（如多层感知机、卷积神经网络、循环神经网络、Transformer等）的结构、工作原理以及它们在各自领域的优势，我希望能够有详尽的解释。同时，我也期待书中能提供一些关于深度学习模型训练方法、优化技巧以及常见问题的解决方案，这对于我进行实际项目开发至关重要。总的来说，我希望这本书能够帮助我建立起一个完整、扎实的深度学习知识体系，并为我探索人工智能更广阔的应用领域打下坚实的基础。

评分☆☆☆☆☆

这本书的封面设计简直太抓人眼球了！那种深邃的蓝色背景，配上闪烁着复杂几何图案的金色线条，一眼就能感受到科技的神秘和力量。我拿到手的时候，就觉得它不是一本普通的书，而是藏着某个重要秘密的宝藏。迫不及待地翻开，里面的排版也是相当讲究，文字清晰，章节划分逻辑性很强，图片和图示的运用恰到好处，让那些晦涩的概念一下子变得生动起来。我还特别留意了它的目录，看到了很多我一直想深入了解的主题，比如卷积神经网络在图像识别上的应用，循环神经网络如何处理序列数据，还有那些前沿的生成对抗网络。我猜这本书应该会循序渐进地带领读者从基础概念到高阶技巧，并且应该有不少实际案例和代码示例，这对我这种实践型学习者来说简直是福音。光是想象一下，就能学到如何用神经网络去创造艺术，或者解决一些现实世界中的复杂问题，我就觉得浑身充满动力。我非常期待这本书能带给我的知识冲击和技术提升，相信它会成为我学习AI道路上的重要伙伴。

评分☆☆☆☆☆

老实说，我最初是被这本书的名字吸引的。作为一个对科技前沿一直保持好奇心的人，我总觉得“深度学习”和“人工智能”这两个词充满了未来感和无限可能。当我拿到这本书时，它的纸张质感和印刷都非常不错，拿在手里很有分量，这让我感觉它是一部值得认真研读的“大部头”。我瞥了一眼目录，发现里面涵盖了很多我之前在网上零散了解过的概念，比如反向传播、激活函数、损失函数等等，但总觉得缺乏一个系统性的框架。这本书的出现，恰好填补了我的这一需求。我更期待它能像一位经验丰富的导师，一步步引导我进入深度学习的殿堂，解释那些复杂的算法背后的原理，而不是简单地罗列公式。如果书中能有对不同神经网络模型（如CNN、RNN、Transformer等）的详细讲解，并分析它们的优缺点以及适用场景，那就太完美了。我也希望它能提供一些实际的代码实现，让我能够动手实践，将理论知识转化为实际能力。

评分☆☆☆☆☆

我是一名对人工智能领域充满热情的初学者，之前零零散散地接触过一些基础概念，但总感觉缺乏一个系统的学习路径。这本书的标题，特别是“神经网络与深度学习”的组合，立刻引起了我的注意。在我看来，神经网络是实现深度学习的关键，而深度学习又是人工智能领域的核心驱动力。我非常希望能找到一本能够从最基础的概念讲起，逐步深入到复杂模型和算法的书籍。我期待这本书能用清晰易懂的语言解释那些抽象的数学原理，并且辅以生动的图示和案例，帮助我理解机器学习的整个过程。我尤其关注书中是否能详细介绍各种神经网络的架构，比如卷积神经网络在图像识别中的应用，以及循环神经网络在自然语言处理方面的威力。如果书中还能提供一些实践性的指导，比如如何选择合适的模型、如何调优参数，甚至是如何进行模型部署，那对我来说将是无价之宝。总之，我希望这本书能成为我构建AI知识体系的坚实基石。