更新时间：2024-12-28 11:38:42
封面
版权信息
内容简介
主要作者简介
前言
第1章 深度学习概述
1.1 人工智能
1.2 机器学习
1.3 深度学习
1.4 深度学习的应用场景
1.5 本章小结
1.6 复习题
参考文献
第2章 机器学习基础
2.1 基本概念
2.2 机器学习的三要素
2.3 数据分析
2.4 估计、偏差和方差
2.5 最大似然估计
2.6 特征工程
2.7 本章小结
2.8 复习题
第3章 神经网络基础
3.1 神经网络概述
3.2 线性神经网络
3.3 感知机
3.4 支持向量机
3.5 本章小结
3.6 复习题
第4章 卷积神经网络和循环神经网络
4.1 卷积神经网络
4.2 循环神经网络
4.3 本章小结
4.4 复习题
第5章 正则化与深度学习优化
5.1 正则化
5.2 网络优化
5.3 优化算法
5.4 深度学习中的正则化
5.5 本章小结
5.6 复习题
第6章 深度学习用于计算机视觉
6.1 计算机视觉与深度学习概述
6.2 计算机视觉应用基础
6.3 应用案例：基于LeNet-5的手写数字识别
6.4 本章小结
6.5 复习题
第7章 深度学习用于目标检测
7.1 目标检测的概念
7.2 Faster R-CNN
7.3 YOLO
7.4 SSD
7.5 应用案例：基于YOLO的目标检测
7.6 本章小结
7.7 复习题
第8章 深度学习用于文本分析
8.1 自然语言处理与文本分析
8.2 应用案例：基于Encoder-Decoder模型的机器翻译
8.3 本章小结
8.4 复习题
第9章 深度强化学习的应用
9.1 什么是深度强化学习
9.2 强化学习的应用实例
9.3 强化学习的基本概念
9.4 强化学习的算法简介
9.5 应用案例：使用DQN算法学习玩CartPole游戏
9.6 本章小结
9.7 复习题
第10章 TensorFlow模型的应用
10.1 TensorFlow简介
10.2 TensorFlow入门
10.3 应用案例：基于LeNet的手写数字识别
10.4 应用案例：图像多标签分类实例
10.5 本章小结
10.6 复习题
第11章 Transformer模型的应用
11.1 模型
11.2 基于位置的前馈网络
11.3 残差连接和层归一化
11.4 编码器
11.5 解码器
11.6 应用案例：英语-法语机器翻译实例
11.7 本章小结
11.8 复习题
附录A 线性代数
附录B 概率论
附录C 信息论
