📖 书目详情
深度学习的数学工程—模型背后的数学原理
| 著者 | (法)贝努瓦·利凯(Benoit Liquet)，(澳)萨拉特·莫卡(Sarat Moka)，(澳)尤尼·纳扎拉西(Yoni Nazarathy)著,王斌译 |
| ISBN | 9787115683373 |
| 中图分类 | TP181 自动化技术、计算机技术 |
| 学科分类 | 工学 |
| 版次 | 第1版 |
| 出版社 | 人民邮电出版社 |
| 丛书名 | — |
| 出版年 | 2026.05 |
| 页码 | 311页 |
| 价格 | ¥149.80 |
| 可推荐册数 | 请登录后查看 |
| 核心评分 |
9.6/10
|
📝 内容简介
本书共8章。第1章介绍深度学习的定义、应用、核心要素及数学符号等内容；第2章详解机器学习原理，包括数据处理、监督与无监督学习、线性模型等；第3章从统计学和深度学习视角解析logistic回归模型，概述softmax与浅层自编码器；第4章讲解梯度下降、ADAM等优化算法及自动微分，并概述一阶与二阶方法；第5章探讨前馈深度神经网络的表达力、激活函数、反向传播算法及训练关键技术等内容；第6章解析卷积神经网络的数学原理、架构，介绍经典模型及计算机视觉任务等内容；第7章聚焦序列模型、注意力机制及Transformer的结构与应用；第8章涵盖生成模型、强化学习与图神经网络，展示深度学习的多样化应用方向。
🏛️ 本馆馆藏信息
本馆暂无该书的馆藏记录，可在线借购