出版社:机械工业出版社
年代:2018
定价:59.0
本书内容主要涉及:深度学习的数学理论基础,包括重要的统计学和线性代数的相关基本概念和知识;深度学习的各种典型模型,例如传统的单层感知器模型、多层感知器模型,以及卷积神经网络、循环神经网络、受限玻耳兹曼机、深度信念网络等一些更为复杂的模型;构建深度学习模型的实验设计方法以及实验过程中的特征选择方法;应用R语言进行机器学习和深度学习实践的案例。
(美) 威利 (Joshua F. Wiley) , 著
(英) 尼格尔·刘易斯 (N. D. Lewis) , 著
(印) 普拉卡什, (印) 阿丘图尼·斯里·克里希纳·拉奥, 著
(英) 尼格尔·刘易斯 (N. D. Lewis) , 著
(美) 丹尼尔·怀特纳克 (Daniel Whitenack) , 著
(日) 巣笼悠辅, 著
(美) 柯顿 (Cotton,R.) , 著
(乌) 亚历山大·索诺夫琴科, 著
(美) 戈瑟林 (Gosselin,D.) , 著