簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• 深度學習
• 人工智能
• 神經網絡
• 機器學習
• 模式識彆
• 算法
• Python
• TensorFlow
• PyTorch
• 數據科學

店鋪： 義博圖書專營店

齣版社： 機械工業

ISBN：bm009917

商品編碼：10443663566

bm009917    9787111529064  9787302331094    9787121288692

深度學習：方法及應用

定價 ￥39.80

 

 

• 版 次：1
• 頁 數：
• 字 數：
• 印刷時間：2016-4-1
• 開 本：16開
• 紙 張：膠版紙
• 印 次：1
• 包 裝：平裝
• 叢書名：
• 國際標準書號ISBN：9787111529064
• 所屬分類：>>

編輯推薦 深度學習是人工智能領域*近20年裏*受矚目的研究方嚮，近年來顯著推動瞭語音、圖像、自然語言理解、機器翻譯，甚至是控製等眾多技術方嚮的發展。本書原著作者微軟研究院的鄧力博士和俞棟博士是語音識彆和深度學習方麵的先驅之一，對於深度學習的進展有豐富的實踐經驗和深刻理解。這個學科處於快速進展之際，本書對當前的進展進行全景式係統性的梳理無疑是很有意義的，因為畢竟對於每一位讀者，從這幾年浩如煙海的論文中準確把握可以沉澱下來的進展是不容易的。謝磊教授受鄧力博士之約在百忙之中對這本書進行翻譯，對於深度學習在中國的發展具有重大意義。鄧力博士和謝磊教授都是我所熟知的學者和好友。我相信，本書作為他們這次閤作的成果，對於有誌於瞭解和學習深度學習的中國讀者會有極大的幫助。

餘凱 
—— 地平綫機器人技術 創始人/CEO，前百度研究院常務副院長、深度學習實驗室主任 內容推薦 “這本書對前沿的深度學習方法及應用進行瞭全麵的概述，不僅包括自動語音識彆(ASR)，還包括計算機視覺、語言建模、文本處理、多模態學習以及信息檢索。在深度學習這一領域，這是第本，也是有價值的一本書，能使讀者對這一領域進行廣泛而深入的學習。深度學習對信息處理的很多方麵（尤其對語音識彆）都具有重大的影響，甚至對整個科技領域的影響也不容忽視。因此，對於有意瞭解這一領域的學者，這本書是絕對不容錯過的。”
—— Sadaoki Furui，芝加哥豐田技術研究院院長，日本東京工業大學教授

 

目錄

1. 引言
1.1 深度學習的定義與背景
1.2 本書的結構安排
2. 深度學習的曆史
3. 三類深度學習網絡
3.1 三元分類方式
3.2 無監督和生成式學習深度網絡
3.3 監督學習深度網絡
3.4 混閤深度網絡
4. 深度自編碼器——一種無監督學習方法
4.1 引言
4.2 利用深度自編碼器來提取語音特徵
4.3 堆疊式去噪自編碼器
4.4 轉換自編碼器
5. 預訓練的深度神經網絡——一種混閤方法
5.1 受限玻爾茲曼機
5.2 無監督逐層預訓練
5.3 DNN和HMM結閤
6. 深度堆疊網絡及其變種——有監督學習權值
6.1 簡介
6.2 深度堆疊網絡的基本結構
6.3 一種學習DSN權值的方法
6.4 張量深度堆疊網絡
6.5 核化深度堆疊網絡
7. 語音和音頻處理中的應用
7.1 語音識彆中聲學模型的建立
7.2 語音閤成
7.3 音頻和音樂處理
8. 在語言模型和自然語言處理中的相關應用
8.1 語言模型
8.2 自然語言處理
9. 信息檢索領域中的應用
9.1 信息檢索簡介
9.2 用基於深度自編碼器的語義哈希方法對文檔進行索引和檢索
9.3 文檔檢索中的深度結構語義模型
9.4 信息檢索中深度堆疊網絡的應用
10. 目標識彆和計算機視覺中的應用
10.1無監督或生成特徵學習
10.2有監督特徵學習和分類
11. 多模態和多任務學習中的典型應用
11.1 多模態：文本和圖像
11.2 多模態：語音和圖像
11.3 在語音、自然語言處理或者圖像領域的多任務學習
12. 結論
附錄
參考文獻

書名：	人工智能一種現代的方法(第3版)
圖書定價：	￥ 128.00元
圖書作者：	~ 麥剋?科斯特 (作者), 蘇義傑 (插圖作者), 等 (插圖作者), 狂飆@塞聯陣 (譯者)
齣版社：	清華大學齣版社
齣版日期：	2013年11月
ISBN號：	9787302331094
開本：	16開
裝幀：	平裝
頁數：	918頁
版次：	第1版

《世界著名計算機教材精選·人工智能:一種現代的方法(第3版)》是權  威、經典的人工智能教材，已被全世界100多個國傢的1200多所大學用作教材。《世界著名計算機教材精選·人工智能:一種現代的方法(第3版)》的新版全麵而係統地介紹瞭人工智能的理論和實踐，闡述瞭人工智能領域的核心內容，並深入介紹瞭各個主要的研究方嚮。全書分為七大部分：第Ⅰ部分“人工智能”，第Ⅱ部分“問題求解”，第Ⅲ部分“知識、推理與規劃”，第Ⅳ部分“不確定知識與推理”，第Ⅴ部分“學習”，第Ⅵ部分“通信、感知與行動”，第Ⅶ部分“結論”。《世界著名計算機教材精選·人工智能:一種現代的方法(第3版)》既詳細介紹瞭人工智能的基本概念、思想和算法，還描述瞭其各個研究方嚮前沿的進展，同時收集整理瞭詳實的曆史文獻與事件。《世界著名計算機教材精選·人工智能:一種現代的方法(第3版)》適閤於不同層次和領域的研究人員及學生，是高等院校本科生和研究生人工智能課的  選教材，也是相關領域的科研與工程技術人員的重要參考書。

第Ⅰ部分人工智能  第1章緒論  1.1什麼是人工智能  1.2人工智能的基礎  1.3人工智能的曆史  1.4新發展水平  1.5本章小結  參考文獻與曆史注釋  習題  第2章智能Agent  2.1Agent和環境  2.2好的行為：理性的概念  2.3環境的性質  2.4Agent的結構  2.5本章小結  參考文獻與曆史注釋  習題  第Ⅱ部分問題求解  第3章通過搜索進行問題求解  3.1問題求解Agent  3.2問題實例  3.3通過搜索求解  3.4無信息搜索策略  3.5有信息（啓發式）的搜索策略  3.6啓發式函數  3.7本章小結  參考文獻與曆史注釋  習題  第4章  越經典搜索  4.1局部搜索算法和優化問題  4.2連續空間中的局部搜索  4.3使用不確定動作的搜索  4.4使用部分可觀察信息的搜索  4.5聯機搜索Agent和未知環境  4.6本章小結  參考文獻與曆史注釋  習題  第5章對抗搜索  5.1博弈  5.2博弈中的優化決策  5.3α—β剪枝  5.4不完美的實時決策  5.5隨機博弈  5.6部分可觀察的博弈  5.7博弈程序發展現狀  5.8其他途徑  5.9本章小結  參考文獻與曆史注釋  習題  第6章約束滿足問題  6.1定義約束滿足問題  6.2約束傳播：CSP中的推理  6.3CSP的迴溯搜索  6.4CSP局部搜索  6.5問題的結構  6.6本章小結  參考文獻與曆史注釋  習題  第Ⅲ部分知識、推理與規劃  第7章邏輯Agent  7.1基於知識的Agent  7.2Wumpus世界  7.3邏輯  7.4命題邏輯：一種簡單邏輯  7.5命題邏輯定理證明  7.6有效的命題邏輯模型檢驗  7.7基於命題邏輯的Agent  7.8本章小結  參考文獻與曆史注釋  習題  第8章一階邏輯  8.1重溫錶示  8.2一階邏輯的語法和語義  8.3運用一階邏輯  8.4一階邏輯的知識工程  8.5本章小結  參考文獻與曆史注釋  習題  第9章一階邏輯的推理  9.1命題推理與一階推理  9.2閤一和提升  9.3前嚮鏈接  9.4反嚮鏈接  9.5歸結  9.6本章小結  參考文獻與曆史注釋  習題  第10章經典規劃  10.1經典規劃的定義  10.2狀態空間搜索規劃算法  10.3規劃圖  10.4其他經典規劃方法  10.5規劃方法分析  10.6本章小結  參考文獻與曆史注釋  習題  第11章現實世界的規劃與行動  11.1時間、調度和資源  11.2分層規劃  11.3非確定性領域中的規劃與行動  11.4多Agent規劃  11.5本章小結  參考文獻與曆史注釋  習題  第12章知識錶示  12.1本體論工程  12.2類彆和對象  12.3事件  12.4精神事件和精神對象  12.5類彆的推理係統  12.6缺省信息推理  12.7互聯網購物世界  12.8本章小結  參考文獻與曆史注釋  習題  ……  第Ⅳ部分不確定知識與推理  第Ⅴ部分學習  第Ⅵ部分通訊、感知與行動  第Ⅶ部分結論 神經網絡與深度學習  從零起步瞭解神經網絡與深度學習，AlphaGo大勝李世石的背後玄機 59.00 基本信息 作者：    齣版社： ISBN：9787121288692 上架時間：2016-6-16 齣版日期：2016 年6月 開本：16開 頁碼：232 版次：1-1 所屬分類：   編輯推薦 隨著AlphaGo與李世石大戰的落幕，人工智能成為話題焦點。AlphaGo背後的工作原理"深度學習"也跳入大眾的視野。什麼是深度學習，什麼是神經網絡，為何一段程序在精密的圍棋大賽中可以大獲全勝？人工智終將會取代人類智慧嗎？ 本書結閤日常生活中的尋常小事，生動形象地闡述瞭神經網絡與深度學習的基本概念、原理和實踐，案例豐富，深入淺齣。對於正在進入人工智能時代的我們，這些內容無疑可以幫助我們更好地理解人工智能的原理，豐富我們對人類自身的認識，並啓發我們對人機智能之爭更深一層的思考與探索。 內容簡介 《神經網絡與深度學習》是一本介紹神經網絡和深度學習算法基本原理及相關實例的書籍，它不是教科書，作者已盡量把公式減少到少，以適應絕大部分人的閱讀基礎和知識儲備。《神經網絡與深度學習》涵蓋瞭神經網絡的研究曆史、基礎原理、深度學習中的自編碼器、深度信念網絡、捲積神經網絡等，這些算法都已在很多行業發揮瞭價值。 《神經網絡與深度學習》適閤有誌於從事深度學習行業的，或想瞭解深度學習到底是什麼的，或是有一定機器學習基礎的朋友閱讀。  目錄 第0章 寫在前麵：神經網絡的曆史 1 第1章 神經網絡是個什麼東西 13 1.1 買橙子和機器學習 13 1.1.1 規則列錶 14 1.1.2 機器學習 15 1.2 怎麼定義神經網絡 16 1.3 先來看看大腦如何學習 16 1.3.1 信息輸入 17 1.3.2 模式加工 17 1.3.3 動作輸齣 18 1.4 生物意義上的神經元 19 1.4.1 神經元是如何工作的 19 1.4.2 組成神經網絡 22 1.5 大腦如何解決現實生活中的分類問題 24 第2章 構造神經網絡 26 2.1 構造一個神經元 26 2.2 感知機 30 2.3 感知機的學習 32 2.4 用代碼實現一個感知機 34 2.4.1 Neuroph：一個基於Java的神經網絡框架 34 2.4.2 代碼實現感知機 37 2.4.3 感知機學習一個簡單邏輯運算 39 2.4.4 XOR問題 42 2.5 構造一個神經網絡 44 2.5.1 綫性不可分 45 2.5.2 解決XOR問題（解決綫性不可分） 49 2.5.3 XOR問題的代碼實現 51 2.6 解決一些實際問題 54 2.6.1 識彆動物 54 2.6.2 我是預測大師 59 第3章 深度學習是個什麼東西 66 3.1 機器學習 67 3.2 特徵 75 3.2.1 特徵粒度 75 3.2.2 提取淺層特徵 76 3.2.3 結構性特徵 78 3.3 淺層學習和深度學習 81 3.4 深度學習和神經網絡 83 3.5 如何訓練神經網絡 84 3.5.1 BP算法：神經網絡訓練 84 3.5.2 BP算法的問題 85 3.6 總結深度學習及訓練過程 86 第4章 深度學習的常用方法 89 4.1 模擬大腦的學習和重構 90 4.1.1 灰度圖像 91 4.1.2 流行感冒 92 4.1.3 看看如何編解碼 93 4.1.4 如何訓練 95 4.1.5 有監督微調 97 4.2 快速感知：稀疏編碼（Sparse Coding） 98 4.3 棧式自編碼器 100 4.4 解決概率分布問題：限製波爾茲曼機 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 捲積神經網絡 114 4.6.1 捲積神經網絡的結構 116 4.6.2 關於參數減少與權值共享 120 4.6.3 舉個典型的例子：圖片內容識彆 124 4.7 不會忘記你：循環神經網絡 131 4.7.1 什麼是RNN 131 4.7.2 LSTM網絡 136 4.7.3 LSTM變體 141 4.7.4 結論 143 4.8 你是我的眼：利用稀疏編碼器找圖像的基本單位 143 4.9 你是我的眼（續） 150 4.10 使用深度信念網搞定花分類 160 第5章 深度學習的勝利：AlphaGo 169 5.1 AI如何玩棋類遊戲 169 5.2 圍棋的復雜性 171 5.3 AlphaGo的主要原理 173 5.3.1 策略網絡 174 5.3.2 MCTS拯救瞭圍棋算法 176 5.3.3 強化學習："周伯通，左右互搏" 179 5.3.4 估值網絡 181 5.3.5 將所有組閤到一起：樹搜索 182 5.3.6 AlphaGo有多好 185 5.3.7 總結 187 5.4 重要的技術進步 189 5.5 一些可以改進的地方 190 5.6 未來 192 第6章 兩個重要的概念 194 6.1 遷移學習 194 6.2 概率圖模型 197 6.2.1 貝葉斯的網絡結構 201 6.2.2 概率圖分類 204 6.2.3 如何應用PGM 208 第7章 雜項 210 7.1 如何為不同類型的問題選擇模型 210 7.2 我們如何學習"深度學習" 211 7.3 如何理解機器學習和深度學習的差異 212 7.4 大規模學習（Large Scale Learning）和並行計算 214 7.5 如果喜歡應用領域，可以考慮以下幾種應用 215 7.6 類腦：人工智能的終  極目標 216 參考文獻 218 術語 220

《穿越時空的旅行：從量子糾纏到宇宙弦》 這是一本引領讀者踏上一場跨越時空維度的奇妙旅程的科普讀物。本書不涉及任何關於深度學習、人工智能或神經網絡的內容，而是將焦點置於現代物理學最前沿的探索，旨在揭示宇宙最深層的奧秘。 第一章：時間的真相——相對論的疆界 我們將從愛因斯坦的相對論齣發，深入理解時間並非獨立於空間的存在，而是與空間交織成一個動態的整體——時空。本書將以通俗易懂的方式，解釋狹義相對論中的時間膨脹和長度收縮效應，以及廣義相對論如何將引力描述為時空的彎麯。我們將探討引力波的發現如何印證瞭愛因斯坦的預言，並展望引力波天文學為我們打開的認識宇宙的新窗口。此外，本書還將觸及時間旅行的可能性，分析現有理論框架下的挑戰與機遇，帶領讀者思考“過去”與“未來”的本質。 第二章：物質的脈搏——量子世界的奇異法則 本章將帶領讀者潛入比原子還小的量子世界，探索那些顛覆我們日常直覺的量子法則。我們將從量子疊加態齣發，理解一個粒子為何可以同時處於多種狀態，並通過著名的雙縫乾涉實驗來直觀感受量子的波動性。接著，我們將深入探討量子糾纏這一“幽靈般的超距作用”，揭示兩個或多個粒子如何能夠瞬間地、超越空間的限製而相互關聯。本書將闡述量子糾纏在量子計算和量子通信等未來技術中的潛在應用，但會避免涉及任何與深度學習相關的技術實現。我們還會介紹量子隧穿效應，解釋微觀粒子如何能夠“穿透”經典物理學中不可能逾越的能量壁壘。 第三章：宇宙的基石——標準模型與超越 本章將梳理我們目前理解物質構成和相互作用的最成功的理論——粒子物理學標準模型。我們將一一介紹構成物質的基本粒子，如誇剋和輕子，以及傳遞基本相互作用的玻色子，如光子、膠子和W、Z玻色子。本書將詳細解釋電磁力、強核力和弱核力如何在微觀層麵運作，以及希格斯玻色子如何賦予粒子質量。然而，標準模型並非萬能，本書也將著重介紹標準模型之外的探索，包括暗物質和暗能量之謎，這些神秘的成分構成瞭宇宙的大部分，卻不符閤標準模型中的任何已知粒子。我們將討論搜尋暗物質的實驗進展，以及宇宙加速膨脹的觀測證據，這些都指嚮瞭超齣我們現有理解的物理學新領域。 第四章：宇宙的織錦——從大爆炸到宇宙的演化 我們將追溯宇宙的起源，從宇宙大爆炸那一刻的極端狀態開始，描繪宇宙如何在引力和量子效應的共同作用下，經曆瞭漫長而壯麗的演化過程。本書將解釋宇宙微波背景輻射的發現如何為大爆炸理論提供瞭強有力的證據，並介紹宇宙膨脹的哈勃定律。我們將探討恒星的誕生與死亡，以及元素如何在恒星內部的核聚變過程中被創造齣來，最終散布到宇宙各處。此外，本書還將深入討論黑洞的形成與性質，以及它們在星係演化中所扮演的角色。我們還會展望宇宙的終極命運，探討宇宙是會繼續膨脹下去，還是最終會迎來“大擠壓”或其他更奇特的結局。 第五章：時空的深層結構——弦理論的猜想 在本章的最後，我們將目光投嚮物理學中最具雄心的理論之一——弦理論。本書將介紹弦理論的基本思想，即構成物質和傳遞力的基本單元並非點狀粒子，而是微小的、振動的弦。我們將解釋不同振動模式的弦如何對應不同的粒子，從而統一所有基本粒子和四種基本力。我們將探討弦理論中引入的額外空間維度，以及這些額外維度如何被捲麯以緻我們無法直接觀測。本書將闡述弦理論為解決量子引力和統一物理學理論所帶來的希望，但也會坦誠地指齣其目前尚未被實驗證實，仍處於理論猜想階段。我們將簡要介紹M理論及其在統一不同弦理論方麵的作用，為讀者呈現物理學傢對宇宙終極理論的最新思考。 《穿越時空的旅行：從量子糾纏到宇宙弦》將是一次智力與想象力的盛宴，它將引導你離開熟悉的現實，去探索那些構成我們存在基石的宏大與精妙。這本書的宗旨是激發你對宇宙的好奇心，讓你以全新的視角去審視我們所處的這個奇妙的世界。

評分☆☆☆☆☆

這本書的封麵設計相當簡約大氣，給我一種專業且權威的感覺。作為一名對人工智能領域，尤其是深度學習技術抱有濃厚興趣的讀者，我一直在尋找一本能夠係統、深入地介紹相關理論和應用的著作。從書名“深度學習+人工智能 +神經網絡與深度學習”來看，它似乎涵蓋瞭從宏觀的人工智能概念到微觀的神經網絡實現，這正是我想深入瞭解的。我期待這本書能夠清晰地梳理齣人工智能的發展曆程，並詳細闡述神經網絡作為核心技術是如何演進的。特彆是對於不同類型的神經網絡（如多層感知機、捲積神經網絡、循環神經網絡、Transformer等）的結構、工作原理以及它們在各自領域的優勢，我希望能夠有詳盡的解釋。同時，我也期待書中能提供一些關於深度學習模型訓練方法、優化技巧以及常見問題的解決方案，這對於我進行實際項目開發至關重要。總的來說，我希望這本書能夠幫助我建立起一個完整、紮實的深度學習知識體係，並為我探索人工智能更廣闊的應用領域打下堅實的基礎。

評分☆☆☆☆☆

老實說，我最初是被這本書的名字吸引的。作為一個對科技前沿一直保持好奇心的人，我總覺得“深度學習”和“人工智能”這兩個詞充滿瞭未來感和無限可能。當我拿到這本書時，它的紙張質感和印刷都非常不錯，拿在手裏很有分量，這讓我感覺它是一部值得認真研讀的“大部頭”。我瞥瞭一眼目錄，發現裏麵涵蓋瞭很多我之前在網上零散瞭解過的概念，比如反嚮傳播、激活函數、損失函數等等，但總覺得缺乏一個係統性的框架。這本書的齣現，恰好填補瞭我的這一需求。我更期待它能像一位經驗豐富的導師，一步步引導我進入深度學習的殿堂，解釋那些復雜的算法背後的原理，而不是簡單地羅列公式。如果書中能有對不同神經網絡模型（如CNN、RNN、Transformer等）的詳細講解，並分析它們的優缺點以及適用場景，那就太完美瞭。我也希望它能提供一些實際的代碼實現，讓我能夠動手實踐，將理論知識轉化為實際能力。

評分☆☆☆☆☆

這本書的封麵設計簡直太抓人眼球瞭！那種深邃的藍色背景，配上閃爍著復雜幾何圖案的金色綫條，一眼就能感受到科技的神秘和力量。我拿到手的時候，就覺得它不是一本普通的書，而是藏著某個重要秘密的寶藏。迫不及待地翻開，裏麵的排版也是相當講究，文字清晰，章節劃分邏輯性很強，圖片和圖示的運用恰到好處，讓那些晦澀的概念一下子變得生動起來。我還特彆留意瞭它的目錄，看到瞭很多我一直想深入瞭解的主題，比如捲積神經網絡在圖像識彆上的應用，循環神經網絡如何處理序列數據，還有那些前沿的生成對抗網絡。我猜這本書應該會循序漸進地帶領讀者從基礎概念到高階技巧，並且應該有不少實際案例和代碼示例，這對我這種實踐型學習者來說簡直是福音。光是想象一下，就能學到如何用神經網絡去創造藝術，或者解決一些現實世界中的復雜問題，我就覺得渾身充滿動力。我非常期待這本書能帶給我的知識衝擊和技術提升，相信它會成為我學習AI道路上的重要夥伴。

評分☆☆☆☆☆

這本書的作者給我一種非常穩重、博學的印象。從書名就能感受到他對深度學習和人工智能領域有著深刻的理解和獨到的見解。我一直覺得，一本好的技術書籍，不僅要有紮實的理論基礎，更要有能夠指導實踐的能力。這本書的標題“神經網絡與深度學習”雖然聽起來有些技術性，但我更看重的是它背後所蘊含的創新思想和解決問題的能力。我個人對人工智能在醫療診斷、金融風控等領域的應用非常感興趣，一直希望能找到一本能夠係統性講解相關算法原理，並且還能提供實際部署思路的書。這本書的厚度也讓我覺得內容應該很充實，不會流於錶麵。我希望它能深入淺齣地解釋那些復雜的數學模型，並且用清晰的邏輯梳理齣不同算法之間的聯係和區彆。如果書中能加入一些作者的個人思考和行業洞察，那就更好瞭，這樣不僅能學到技術，還能瞭解到這個行業的未來發展趨勢。總而言之，我對這本書的期待值非常高，希望能它能成為我學習AI路上的“啓明星”。

評分☆☆☆☆☆

我是一名對人工智能領域充滿熱情的初學者，之前零零散散地接觸過一些基礎概念，但總感覺缺乏一個係統的學習路徑。這本書的標題，特彆是“神經網絡與深度學習”的組閤，立刻引起瞭我的注意。在我看來，神經網絡是實現深度學習的關鍵，而深度學習又是人工智能領域的核心驅動力。我非常希望能找到一本能夠從最基礎的概念講起，逐步深入到復雜模型和算法的書籍。我期待這本書能用清晰易懂的語言解釋那些抽象的數學原理，並且輔以生動的圖示和案例，幫助我理解機器學習的整個過程。我尤其關注書中是否能詳細介紹各種神經網絡的架構，比如捲積神經網絡在圖像識彆中的應用，以及循環神經網絡在自然語言處理方麵的威力。如果書中還能提供一些實踐性的指導，比如如何選擇閤適的模型、如何調優參數，甚至是如何進行模型部署，那對我來說將是無價之寶。總之，我希望這本書能成為我構建AI知識體係的堅實基石。