| 名称: | |
| 描述: | |
| 公开/私有: | 公开 私有 |
| 标题: | |
| 描述: | |
| 公开/私有: | 公开 私有 |
- 程序设计 (32)
- 软件工具 (28)
- 机器学习 (20)
- 研究 (10)
- python (5)
- 人工神经网络 (4)
- 人工智能 (3)
- 图象处理软件 (3)
- 算法 (3)
- 债券投资 (1)
- 卷积神经网络是深度学习重要的模型之一。本书是卷积神经网络领域的入门读物,假定读者不具备任何机器学习知识。书中尽可能少地使用数学知识,从机器学习的概念讲起,以卷积神经网络的zui新发展结束。本书首先简单介绍了机器学习的基本概念,详细讲解了线性模型、神经网络和卷积神经网络模型,然后介绍了基于梯度下降法的优化方法和梯度反向传播算法,接着介绍了训练网络前的准备工作、神经网络实战、卷积神经网络的应用及其发展。针对每个关键知识点,书中给出了基于numpy的代码实现,以及完整的神经网络和卷积神经网络代码实现,方便读者训练网络和查阅代码。 (1)
- 图象识别 (1)
- 应用 (1)
- 数据处理软件 (1)
- 本书主要用python语言构建cnn,主要关注如何以*佳的方式利用各种python和深度学习库（如keras，tensorflow和caffe）来构建真实世界的应用程序。从构建cnn块开始，基于*佳实践来指导你实现真实的cnn模型及解决方案。你将学习创建图像和视频的创新解决方案，以解决复杂的机器学习和计算机视觉问题。 (1)
- 机器学习是计算机智能围棋博弈系统、无人驾驶汽车和工业界人工智能助理等新兴技术的灵魂, 特别是深度学习理论更是诸多高精尖人工智能技术的核心。掌握机器学习理论与实践技术是学习现代人工智能科学最重要的一步。本书既讲述机器学习算法的理论分析, 也结合具体应用介绍它们在python中的实现及使用方法。本书的第2到第9章主要介绍监督式学习算法。其中包括: 监督式学习算法基础、线性回归算法、机器学习中的搜索算法、logistic回归算法、支持向量机算法、决策树、神经网络和深度学习。随后, 在第10与11这两章, 着重介绍无监督学习算法。 (1)
- 计算机监控系统 (1)
- 语音识别 (1)
- 面 (1)
主题
- [2019] (50)
出版日期
| 1. |
|
|
|
| 2. |
|
|
|
| 3. |
|
|
|
| 4. |
|
|
|
| 5. |
|
|
|
| 6. |
|
|
|
| 7. |
|
|
|
| 8. |
|
|
|
| 9. |
|
|
|
| 10. |
|
|
