Python深度学习与项目实战

封面

版权信息

内容提要

前 言

服务与支持

提交勘误

与我们联系

关于异步社区和异步图书

第一部分 基础知识

第1章 线性回归模型

1.1 线性回归详解

1.2 梯度下降算法

1.3 求损失函数的最小值

1.4 线性回归代码实战

1.5 线性回归项目实战

1.6 本章小结

第2章 逻辑回归模型

2.1 逻辑回归详解

2.2 逻辑回归项目实战

2.3 逻辑回归模型与神经网络的联系

2.4 本章小结

第3章 Softmax多分类器

3.1 Softmax函数详解

3.2 Softmax多分类器详解

3.3 数据集的预处理

3.4 Softmax多分类器实战

3.5 本章小结

第二部分 进阶技术

第4章 全连接神经网络

4.1 深度学习与神经网络简介

4.2 全连接神经网络

4.3 激活函数

4.4 模型参数的初始化

4.5 模型的训练与损失函数

4.6 梯度下降算法

4.7 MNIST手写数字识别实战——分类项目

4.8 房价数据回归分析——回归分析项目

4.9 本章小结

第5章 神经网络模型的优化

5.1 防止过拟合的方法

5.2 批量标准化

5.3 CIFAR-10数据集分类项目实战

5.4 模型的使用、保存与加载

5.5 Keras 中的函数式API

5.6 本章小结

第6章 卷积神经网络

6.1 卷积神经网络结构

6.2 应用CNN模型对MNIST数据集分类

6.3 卷积层

6.4 池化层

6.5 应用CNN模型对CIFAR-10数据集图片分类

6.6 猫与狗数据集分类项目实战

6.7 经典的CNN模型

6.8 迁移学习

6.9 本章小结

第7章 循环神经网络

7.1 时间序列数据详解

7.2 自然语言数据的处理

7.3 情感分析项目

7.4 简单RNN

7.5 长短期记忆神经网络

7.6 门控循环神经网络

7.7 RNN进阶

7.8 文本生成项目

7.9 某公司股票价格预测项目

7.10 自然语言处理技术新进展

7.11 本章小结

第三部分 高级技术

第8章 自编码模型

8.1 自编码模型的原理详解

8.2 应用自编码模型对数据降维

8.3 应用自编码模型进行异常检测

8.4 应用自编码模型对图片去噪

8.5 本章小结

第9章 生成对抗网络

9.1 生成对抗网络的原理

9.2 生成对抗网络模型的训练技巧

9.3 项目实战

9.4 本章小结

第10章 深度强化学习

10.1 深度强化学习简介

10.2 深度强化学习详解

10.3 Deep Q-Learning算法

10.4 策略梯度算法

10.5 演员-评判家算法