机读格式显示(MARC)

• 000 01951nam 2200349 450

• 001 0000528783

• 005 20200914152600.0

• 010 __ |a 978-7-111-64796-6 |d CNY89.00

• 100 __ |a 20200608d2020 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a Keras高级深度学习 |A Kerasgao ji shen du xue xi |f (菲) 罗韦尔·阿蒂恩扎著 |g 蔡磊, 潘华贤, 程国建译

• 210 __ |a 北京 |c 机械工业出版社 |d 2020.5

• 215 __ |a 271页, [8] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 深度学习系列 |A shen du xue xi xi lie

• 306 __ |a 由Packt Publishing Ltd授权

• 312 __ |a 英文原文题名取自于封面

• 320 __ |a 有书目

• 330 __ |a 本书是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下AI于近期取得了令人瞩目的成就。本书首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书中介绍的更高级技术的构建模块。之后探索了包括ResNet和DenseNet在内的深度神经网络架构以及如何创建自编码器。读者将学习如何使用Keras和TensorFlow实现深度学习模型，并进一步实现其高级应用。随后，读者将会了解到有关GAN的所有知识，以及认识到其如何将AI性能提升到新的水平。在此之后，读者可快速了解VAE的实现方式，并将认识到GAN和VAE是如何具备生成数据的能力的，并且使所生成的数据对人类来说极具说服力。因此，该类方法已成为现代AI的一个巨大进步。为充分了解该系列相关先进技术，读者将会学习如何实现DRL，例如深度Q-Learning和策略梯度的方法，这些方法对于AI在现代取得很多成就至关重要。

• 333 __ |a 机器学习专业人员。

• 410 _0 |1 2001 |a 深度学习系列

• 500 10 |a Advanced deep learning with Keras |A Advanced Deep Learning With Keras |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 阿蒂恩扎 |A a di en zha |g (Atienza, Rowel) |4 著

• 702 _0 |a 蔡磊 |A cai lei |4 译

• 702 _0 |a 潘华贤 |A pan hua xian |4 译

• 702 _0 |a 程国建 |A cheng guo jian |4 译

• 801 _0 |a CN |b 江苏新华 |c 20200402

• 905 __ |a LIB |d TP181/111