思维导图备注

深度学习 - 徐立芳
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

序二

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 09:45:49
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 内容提要
  • 编委会
  • 序一　拥抱万亿智能互联未来
  • 序二
  • 前言
  • 01　绪论
    • 1.1　机器学习与深度学习
    • 1.2　机器学习方法类型
    • 1.3　机器学习常见算法
    • 1.4　深度学习的前世今生
    • 1.5　深度学习的应用
    • 1.6　深度学习开源工具简介
    • 1.7　本书主要学习内容
    • 1.8　本章小结
    • 1.9　习题
  • 02　神经网络与深度神经网络
    • 2.1　神经元与感知器
    • 2.2　反向传播算法
    • 2.3　神经网络的连接
    • 2.4　深度神经网络与深度学习
    • 2.5　常用的函数模型
    • 2.6　本章小结
    • 2.7　习题
  • 03　卷神经网络积
    • 3.1　大脑视觉皮层的信息分层处理机制
    • 3.2　感受野与权值共享
    • 3.3　卷积神经网络的层级结构和组成
    • 3.4　卷积神经网络算法
    • 3.5　网络的卷积层设计
    • 3.6　CNN的经典网络结构
    • 3.7　CNN用于人脸表情分类
    • 3.8　本章小结
    • 3.9　习题
  • 04　循神经环网络
    • 4.1　循环神经网络
    • 4.2　长短期记忆网络
    • 4.3　循环神经网络设计
    • 4.4　循环神经网络的应用
    • 4.5　基于RNN的语言模型
    • 4.6　本章小结
    • 4.7　习题
  • 05　目测标检
    • 5.1　基于候选区域的目标检测算法
    • 5.2　基于回归预测的目标检测算法
    • 5.3　目标检测算法发展趋势
    • 5.4　人体行为检测
    • 5.5　本章小结
    • 5.6　习题
  • 06　图描像述
    • 6.1　图像描述方法
    • 6.2　编码-解码图像描述
    • 6.3　注意力机制图像描述方法
    • 6.4　图像描述示例
    • 6.5　图像描述应用前景
    • 6.6　本章小结
    • 6.7　习题
  • 07　生抗成对网络
    • 7.1　生成式模型
    • 7.2　生成对抗网络基本原理
    • 7.3　生成式对抗网络的设计
    • 7.4　GAN的应用
    • 7.5　基于DCGAN的手写数字生成实例
    • 7.6　本章小结
    • 7.7　习题
  • 08　深度移习迁学
    • 8.1　迁移学习
    • 8.2　深度网络的可迁移性
    • 8.3　深度网络的适配
    • 8.4　迁移学习的应用
    • 8.5　VGG迁移——识别花朵类型
    • 8.6　本章小结
    • 8.7　习题
  • 09　深度化习学强
    • 9.1　强化学习
    • 9.2　深度强化学习的突破与问题
    • 9.3　DRL算法——深度Q网络
    • 9.4　深度Q网络的变体
    • 9.5　深度强化学习的应用
    • 9.6　本章小结
    • 9.7　习题
  • 附录1　CNN用于人脸表情分类
  • 附录2　基于DCGAN的手写数字生成实例
  • 附录3　VGG迁移——识别花朵类型
  • 附录4　深度学习资源
  • 参考文献
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《深度学习 - 徐立芳》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度