机读格式显示(MARC)

• 000 01845nam 2200313 450

• 001 0000531968

• 005 20200914093400.0

• 010 __ |a 978-7-111-63710-3 |d CNY89.00

• 100 __ |a 20191102d2019 em y0chiy0110 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A shen du xue xi |e 基于案例理解深度神经网络 |d = Applied deep learning |e a case-based approach to understanding deep neural networks |f (瑞士)翁贝托·米凯卢奇(Umberto Michelucci)著 |g 陶阳, 邓红平译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019

• 215 __ |a xii, 268页 |c 图 |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 306 __ |a 本书简体字中文版由Apress出版社授权机械工业出版社独家出版

• 314 __ |a 翁贝托·米凯卢奇, 目前在瑞士领先的医疗保险公司从事创新和人工智能工作。陶阳, 1976年生, 汉族, 河南泌阳人, 博士, 毕业于国防科技大学计算机学院。邓红平, 1977年生, 汉族, 江西新余人, 2008年获北京大学软件工程硕士学位。

• 330 __ |a 本书探讨深度学习中的高级主题, 例如优化算法、超参数调整、Dropout和误差分析, 以及如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数 (ReLu、sigmoid和Swish), 然后介绍如何使用TensorFlow进行线性和逻辑回归, 以及如何选择正确的代价函数, 之后讨论具有多个层和神经元的更复杂的神经网络结构, 并探讨了权重的随机初始化问题。本书用一整章对神经网络误差分析进行全面概述, 给出解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。

• 461 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Applied deep learning |e a case-based approach to understanding deep neural network |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |c (瑞士) |a 米凯卢奇 |A mi kai lu qi |c (Michelucci, Umberto) |4 著

• 702 _0 |a 陶阳 |A tao yang |f 1976- |4 译

• 702 _0 |a 邓红平 |A deng hong ping |f 1977- |4 译

• 801 _0 |a CN |b LIB |c 20200910

• 905 __ |a LIB |d TP181/55