深度學(xué)習(xí)：方法及應(yīng)用簡介，目錄書摘
2020-01-21 14:44
來源：京東
作者：京東
深度學(xué)習(xí)：方法及應(yīng)用
暫無報價
900+評論
95%好評
內(nèi)容簡介: 《深度學(xué)習(xí)：方法和應(yīng)用》這本書對深度學(xué)習(xí)方法以及它在各種信號與信息處理任務(wù)中的應(yīng)用進(jìn)行了概述。本書中所列舉的應(yīng)用是根據(jù)以下三個標(biāo)準(zhǔn)來選取的：（1）本書作者所具備的專業(yè)技能和知識；（2）由于深度學(xué)習(xí)技術(shù)的成功應(yīng)用而取得了重大突破的領(lǐng)域，比如語音識別和計算機(jī)視覺等;（3）由于深度學(xué)習(xí)的應(yīng)用而有可能發(fā)生巨變的應(yīng)用領(lǐng)域，以及從深度學(xué)習(xí)的新研究中獲益的應(yīng)用領(lǐng)域，其中包括自然語言和文本處理、信息檢索和多任務(wù)深度學(xué)習(xí)驅(qū)動下的多模態(tài)信息處理。對于深度學(xué)習(xí)方法以及它在各種信號信息處理應(yīng)用方面具有濃厚興趣的研究人員與學(xué)生來說，《深度學(xué)習(xí)：方法和應(yīng)用》的時效性很強(qiáng)。
目錄:
譯者序
原書序
1引言
1.1深度學(xué)習(xí)的定義與背景
1.2本書的結(jié)構(gòu)安排
2深度學(xué)習(xí)的歷史
3三類深度學(xué)習(xí)網(wǎng)絡(luò)
3.1三元分類方式
3.2無監(jiān)督和生成式學(xué)習(xí)深度網(wǎng)絡(luò)
3.3監(jiān)督學(xué)習(xí)深度網(wǎng)絡(luò)
3.4混合深度網(wǎng)絡(luò)
4深度自編碼器——一種無監(jiān)督學(xué)習(xí)方法
4.1引言
4.2利用深度自編碼器來提取語音特征
4.3堆疊式去噪自編碼器
4.4轉(zhuǎn)換自編碼器
5預(yù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)——一種混合方法
5.1受限玻爾茲曼機(jī)
5.2無監(jiān)督逐層預(yù)訓(xùn)練
5.3DNN和HMM結(jié)合
6深度堆疊網(wǎng)絡(luò)及其變形——有監(jiān)督學(xué)習(xí)
6.1簡介
6.2深度堆疊網(wǎng)絡(luò)的基本結(jié)構(gòu)
6.3一種學(xué)習(xí)DSN權(quán)值的方法
6.4張量深度堆疊網(wǎng)絡(luò)
6.5核化深度堆疊網(wǎng)絡(luò)
7語音和音頻處理中的應(yīng)用
7.1語音識別中聲學(xué)模型的建立
7.2語音合成
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(guān)應(yīng)用
8.1語言模型
8.2自然語言處理
9信息檢索領(lǐng)域中的應(yīng)用
9.1信息檢索簡介
9.2用基于深度自編碼器的語義哈希方法對文檔進(jìn)行索引和檢索
9.3文檔檢索中的深度結(jié)構(gòu)語義模型
9.4信息檢索中深度堆疊網(wǎng)絡(luò)的應(yīng)用
10在目標(biāo)識別和計算機(jī)視覺中的應(yīng)用
10.1無監(jiān)督或生成特征學(xué)習(xí)
10.2有監(jiān)督特征學(xué)習(xí)和分類
11多模態(tài)和多任務(wù)學(xué)習(xí)中的典型應(yīng)用
11.1多模態(tài)：文本和圖像
11.2多模態(tài)：語音和圖像
11.3在語音、自然語言處理或者圖像領(lǐng)域的多任務(wù)學(xué)習(xí)
12結(jié)論
附錄
參考文獻(xiàn)
熱門推薦文章
10
古琴曲分析簡介，目錄書摘
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
3
手機(jī)奇書
6
紗線傳感器
9
智能未來
10
ibm 機(jī)器人
12
渦流傳感器
13
甬浦誼美小食
14
微軟總裁
15
觸摸屏西門子
17
深度富人枕
18
機(jī)器人建模
20
戰(zhàn)場無人
21
多模態(tài)信息
22
京公網(wǎng)安備 11000002000088號
