深度學習：Java語言實現 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[日] 巣籠悠輔（Yusuke Sugomori） 著，陳澎 譯

齣版社： 機械工業齣版社

ISBN：9787111572985

版次：1

商品編碼：12145215

品牌：機工齣版

包裝：平裝

叢書名： 智能係統與技術叢書

開本：16開

齣版時間：2017-08-01

用紙：膠版紙

頁數：188

內容簡介

人工智能以及深度學習正在改變著人們對軟件的理解，正使得計算機更加智能。深度學習算法應用非常廣泛，遠遠超齣數據科學的範疇。本書首先介紹瞭一些機器學習算法的基礎，隨後就帶領你進入一個引人入勝的機器智能的世界。你將領略到各種神經網絡的魅力及挑戰。我們將使用基於DL4J的Java庫，一起攻剋圖像處理、語音識彆和自然語言處理等各種問題。同時，你也會接觸到當今重要的其他開發平颱，如Theano、TensorFlow和Caffe。通過本書的學習，你將具備用Java攻剋深度學習問題的能力，並為這個領域貢獻自己的力量。

目錄

譯者序
前言
第1章深度學習概述
1.1人工智能的變遷
1.1.1人工智能的定義
1.1.2人工智能曾經的輝煌
1.1.3機器學習的演化
1.1.4機器學習的局限性
1.2人與機器的區分因素
1.3人工智能與深度學習
1.4小結
第2章機器學習算法——為深度學習做準備
2.1入門
2.2機器學習中的訓練需求
2.3監督學習和無監督學習
2.3.1支持嚮量機
2.3.2隱馬爾可夫模型
2.3.3神經網絡
2.3.4邏輯迴歸
2.3.5增強學習
2.4機器學習應用流程
2.5神經網絡的理論和算法
2.5.1單層感知器
2.5.2邏輯迴歸
2.5.3多類邏輯迴歸
2.5.4多層感知器
2.6小結
第3章深度信念網絡與棧式去
噪自編碼器
3.1神經網絡的沒落
3.2神經網絡的復興
3.2.1深度學習的進化——突破是什麼
3.2.2預訓練的深度學習
3.3深度學習算法
3.3.1限製玻爾茲曼機
3.3.2深度信念網絡
3.3.3去噪自編碼器
3.3.4棧式去噪自編碼器
3.4小結
第4章dropout和捲積神經網絡
4.1沒有預訓練的深度學習算法
4.2dropout
4.3捲積神經網絡
4.3.1捲積
4.3.2池化
4.3.3公式和實現
4.4小結
第5章探索Java深度學習庫——DL4J、ND4J以及其他
5.1從零實現與使用庫/框架
5.2DL4J和 ND4J 的介紹
5.3使用 ND4J 實現
5.4使用DL4J實現
5.4.1設置
5.4.2構建
5.4.3CNNMnistExample.java/LenetMnistExample.java
5.4.4學習速率的優化
5.5小結
第6章實踐應用——遞歸神經網絡等
6.1深度學習熱點
6.1.1圖像識彆
6.1.2自然語言處理
6.2深度學習的挑戰
6.3最大化深度學習概率和能力的方法
6.3.1麵嚮領域的方法
6.3.2麵嚮分解的方法
6.3.3麵嚮輸齣的方法
6.4小結
第7章其他重要的深度
學習庫
7.1Theano
7.2TensorFlow
7.3Caffe
7.4小結
第8章未來展望
8.1深度學習的爆炸新聞
8.2下一步的展望
8.3對深度學習有用的新聞資源
8.4小結

前言/序言

目前，人工智能技術舉世矚目，深度學習也引起人們廣泛關注。在實踐上，深度學習推動瞭人工智能革命性進步，其相關算法已經應用到眾多領域。然而，這種“革命性”的技術，常被認為非常復雜，讓人敬而遠之。而實際上，深度學習的理論和概念並不晦澀難懂。本書將一步步地介紹相關理論和公式，並引導讀者從零開始完成編碼實現。
本書內容第1章：介紹深度學習的演化過程。
第2章：介紹與深度學習相關的機器學習算法。
第3章：介紹深度信念網絡與棧式去噪自編碼器。
第4章：集中介紹dropout和CNN的相關算法。
第5章：重點介紹深度學習庫DL4J及實踐經驗。
第6章：麵嚮實戰，實踐深度學習算法和相關Java庫的工程開發。
第7章：廣泛介紹Teano、TensorFlow和Caffe 等深度學習框架。
第8章：介紹深度學習的最新動態及相關資源。
本書的使用要求Java 8或以上（支持lambda 錶達式），DeepLearning4J 0��4或以上版本的Java庫。
目標讀者本書是為那些想瞭解深度學習算法並期望應用到實踐中的Ｊava程序員而設計的。內容涵蓋機器學習和深度學習的核心概念和方法，但並不要求讀者具有機器學習經驗；同時，本書用極簡的代碼實現深度學習算法，這對一般Java程序員在語言技能和深度學習實現上有很大幫助。
下載示例代碼讀者可使用在注冊的賬戶下載本書的示例代碼。如果你不是在官網購買的此書，可以訪問注冊，代碼文件會直接通過電子郵件發送給你。
你可根據以下步驟下載代碼文件：
（1）使用你的電子郵箱和密碼登錄或注冊我們的網站。
（2）將鼠標懸停在上方的SUPPORT（支持）標簽處。
（3）點擊 Code Downloads & Errata。
.（4）在Search（搜索）欄輸入書籍名稱。
（5）選擇你要下載代碼文件的書籍。
（6）從下拉菜單中選擇你自何處購買此書。
（7）點擊Code Download。
也可以通過點擊Packt官網該書頁麵上的Code Files按鈕來下載代碼文件。在Search欄輸入書籍名稱就可以訪問書籍頁麵。但這需要先登錄你的Packt賬戶。
下載文件後，請用以下軟件的最新版本解壓文件：
WinRAR/7�瞆ip（對於Windows）。
Zipeg/iZip/UnRarX（對於Mac）。
7�瞆ip/PeaZip（對於Linux）。

評分☆☆☆☆☆

買瞭十幾本，好好學習，天天嚮上

評分☆☆☆☆☆

買瞭一批書，非常有價值，京東圖書值得信賴！

評分☆☆☆☆☆

價的,雖然寶貝不一定是最好的,但在同等的價位裏麵絕

評分☆☆☆☆☆

的時間和精力所以在一段時間裏,我總是不去評價或者隨

評分☆☆☆☆☆

不錯，淺顯易懂，上手很快，學習能輕鬆點。

評分☆☆☆☆☆

覺得能拿到我五星好評的賣傢的寶貝評價裏麵以示感謝和

評分☆☆☆☆☆

相當不錯～～～～～～～～～～～～～～～～

評分☆☆☆☆☆

好的，好的，好的，好的，好的，好的。

評分☆☆☆☆☆

剛入手，翻瞭下，通俗易懂，知識全麵，不是上來就是算法那種。有起源，演化，抽象後的逐步過渡到原理與使用，寫得比較明白。大數據和機器學習都是熱點，好好學習下，後續還要多實踐。文前彩插和後麵的寫作花絮也挺有意思，哈哈