机读格式显示(MARC)

• 000 01960nam 2200325 450

• 001 0000795812

• 005 20250618091800.0

• 010 __ |a 978-7-111-75269-1 |d CNY79.00

• 100 __ |a 20240601d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A shen du xue xi |d = Deep learning |f 徐俊刚著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2024.5

• 215 __ |a xii, 239页, [16] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 人工智能技术丛书 |A ren gong zhi neng ji shu cong shu

• 225 2_ |a 中国科学院大学研究生教材系列 |A zhong guo ke xue yuan da xue yan jiu sheng jiao cai xi lie

• 314 __ |a 徐俊刚, 中国科学院大学计算机科学与技术学院教授, 博士生导师, 云计算与智能信息处理实验室 (Cloud Computing & IntelligentInformation Processing Lab, CCIP实验室) 主任, 中国科学院大学第六届学位评定委员会计算机与控制学位评定委员会委员, 计算机科学与技术学院教学委员会委员, 计算机科学与技术学院“深度学习”课程首席教授。2003年博士毕业于中国科学院软件研究所, 2005年清华大学计算机科学与技术系博士后出站。研究领域包括深度学习、自动机器学习和多模态智能分析等。

• 320 __ |a 有书目

• 330 __ |a 本书共8章, 第1章概要介绍了深度学习的基本概念、典型算法及应用; 第2-5章是本书的核心内容, 详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用; 第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型; 第7章介绍了深度学习中常用的正则化与优化方法; 第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习框架。

• 333 __ |a 本书可作为高等院校计算机科学与技术、智能科学与技术、自动化、电子科学与技术等相关专业的研究生或本科生教材, 也可作为深度学习研究人员与算法工程师的参考书

• 410 _0 |1 2001 |a 人工智能技术丛书

• 410 _0 |1 2001 |a 中国科学院大学研究生教材系列

• 510 1_ |a Deep learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi |x 高等学校 |j 教材

• 690 __ |a TP181 |v 5

• 701 _0 |a 徐俊刚 |A xu jun gang |4 著

• 801 _0 |a CN |b 湖北三新 |c 20240601

• 905 __ |a LIB |d TP181/381