首页 > 其他分享 >邱锡鹏DL经典-神经网络与深度学习

邱锡鹏DL经典-神经网络与深度学习

时间:2023-06-23 12:34:31浏览次数:37  
标签:本书 知识点 DL 人工智能 学习 神经网络 深度 邱锡鹏


邱锡鹏DL经典-神经网络与深度学习_人工智能

本书介绍

    近年来,以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能助手、推荐系统到自动驾驶,人们在日常生活中都可能有意无意地用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者的长期努力。特别是最近这几年,得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富,越来越多的人开始关注这个“崭新”的研究领域:深度学习。深度学习以神经网络为主要模型,一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力,深度学习越来越多地用来解决一些通用人工智能问题,比如推理、决策等。目前,深度学习技术在学术界和工业界取得了广泛的成功,受到高度重视,并掀起新一轮的人工智能热潮。

    内容整理自网络,感谢复旦大学邱锡鹏老师免费分享,源地址:https://nndl.github.io/

     

     

主要特点

    系统性:系统地整理了神经网络和深度学习的知识体系。鉴于深度学习涉及的知识点较多,本书从机器学习的基本概念、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点,使读者对深度学习技术的理解更具系统性、条理性和全面性。

    可读性:本书在编排上由浅入深,在语言表达上力求通俗易懂,并通过增加图例、示例以及必要的数学推导来理解抽象的概念。同时,附录简要介绍了本书所涉及的必要数学知识,便于读者查用。

    实践性:本书在网站上配套了针对每章知识点的编程练习,使得读者在学习过程中可以将理论和实践密切结合,加深对知识点的理解,并具备分析问题和解决问题的能力。

本书目录

邱锡鹏DL经典-神经网络与深度学习_1024程序员节_02

邱锡鹏DL经典-神经网络与深度学习_1024程序员节_03

邱锡鹏DL经典-神经网络与深度学习_人工智能_04

邱锡鹏DL经典-神经网络与深度学习_深度学习_05

邱锡鹏DL经典-神经网络与深度学习_1024程序员节_06

邱锡鹏DL经典-神经网络与深度学习_1024程序员节_07

邱锡鹏DL经典-神经网络与深度学习_1024程序员节_08

邱锡鹏DL经典-神经网络与深度学习_人工智能_09

本书内容节选

邱锡鹏DL经典-神经网络与深度学习_机器学习_10

邱锡鹏DL经典-神经网络与深度学习_人工智能_11

邱锡鹏DL经典-神经网络与深度学习_深度学习_12

邱锡鹏DL经典-神经网络与深度学习_机器学习_13

邱锡鹏DL经典-神经网络与深度学习_深度学习_14

标签:本书,知识点,DL,人工智能,学习,神经网络,深度,邱锡鹏
From: https://blog.51cto.com/u_13046751/6537638

相关文章

  • 搭建自己的OCR服务,第二步:PaddleOCR环境安装
    PaddleOCR环境安装,遇到了很多问题,根据系统不同问题也不同,不要盲目看别人的教程,有的教程也过时了,根据实际情况自己调整。我这边目前是使用windows10系统+CPU+python3.7搭建。熟悉OCR的人应该知道,最好用GPU,性能差距不是一点点,但是普通人没有那个条件怎么办,只能退而求其次,好在......
  • ML、DL、NLP面试常考知识点、代码、算法理论基础汇总分享
        此项目是机器学习(MachineLearning)、深度学习(DeepLearning)、NLP面试中常考到的知识点和代码实现,也是作为一个算法工程师必会的理论基础知识。项目介绍    •此项目是机器学习、NLP面试中常考到的知识点和代码实现,也是作为一个算法工程师必会的理论基础知识。  ......
  • 21年深度学习-深度学习神经网络高效处理
    本书介绍    本书系统性讲解深度神经网络(DNN)相关的关键原理和技术。DNNs目前广泛用于许多人工智能应用,包括计算机视觉、语音识别和机器人学。虽然数字神经网络在许多人工智能任务中提供了最先进的精度,但它是以高计算复杂性为代价的。因此,能够有效处理深度神经网络以提高关键指......
  • 最新-深度神经网络的高效处理技术综述
    本书介绍    本书对深度神经网络(DNN)高效处理的关键原理和技术进行了结构化的系统介绍。DNN当前广泛用于许多人工智能(AI)应用程序,包括计算机视觉,语音识别和机器人技术。尽管DNN在许多AI任务上都提供了最先进的准确性,但它却通常会付出非常高昂的计算代价。因此,在不牺牲准确性或增......
  • 神经网络问答生成最全模型、策略、应用相关论文、资源、评测整理分享
        本文整理了基于神经网络的问答系统中,文本生成相关各种算法、优化策略、应用场景的经典论文,以及相关的评估、开源资源等等,需要朋友自取。    资源整理自网络,源地址:https://github.com/teacherpeterpan/Question-Generation-Paper-List 目录    综述论文    1.R......
  • [转载]哀恸之日(Crying Suns)设定集-DLC及设施
     ......
  • 神经网络第二周
    Classicnetworks:LeNet-5,针对灰度图像训练的AlexNetVGG(VGG-16,16表示的是包含16个卷积层和全连接层;卷积层后面跟着可以压缩图像大小的池化层,池化层缩小图像的高度和宽度)ResNet(残差网络)ResNetws是由残差块构建的 看过程在残差网络中,我们将a[l]直接向后,拷贝到神经网......
  • 吴恩达卷积神经网络
    过滤器、padding(6)、卷积步长(7)、三维卷积、池化层神经网络的前几层如何检测边缘,有些后面的层可能检测到物体的部分,更靠后的一些层,可能检测到完整的物体eg:给一个例子,可能首先检测图片中的垂直边缘,或者那你想检测水平边缘这是6*6*1的灰度矩阵,不是6*6*3的,因为没有RGB三通道。可......
  • Handler面试必问八大题:如何深挖原理进大厂?1万+字带你详细剖析
    前言Handler一直是面试过程中的常客,我们今天来看看围绕Handler究竟能玩出那些花儿来。Handler机制几乎是Android面试时必问的问题,虽然看过很多次handler源码,但是有些面试官问的问题却不一定能够回答出来,趁着机会下面总结一下面试中所覆盖的Handler知识点。题目层次1.简述Handler的......
  • Gradle里那些神奇操作的原理
    目前国内对Android领域的探索已经越来越深,不少技术领域如插件化、热修复、模块化、构建系统等都对Gradle有迫切的需求,不懂Gradle将无法完成上述事情。所以Gradle必须要学习。Gradle里的几乎任何东西都是基于这两个基础概念:taskproject掌握了这两个,你就掌握了一大半的Gradle知识......