神经网络与深度学习
- 书名：神经网络与深度学习
- 作者： 邱锡鹏
- 格式：PDF
- 时间：2024-07-10
- 评分：
- ISBN：9787111649687
内容简介：
《神经网络与深度学习》主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的应用。
下载地址：
标签：
文章链接：https://www.dushupai.com/book-content-39566.html(转载时请注明本文出处及文章链接)
- 上一篇： 迎接美妙新世纪
- 下一篇： Israeli Nuclear Deterrence
最新评论：
更多
-
奈落2021-08-23只是跳着读了一点，想不到一本机器学习教材竟然能像文学作品一样让我有通宵读的冲动。
-
上纪元的赵天师2021-04-07鼎力推荐。这本书，优点在于讲的比较清晰，排版非常好，读起来特别舒服。属于同类书中品质很高的中文本。
-
windoker2020-04-11不仅邱老师的书写的好，复旦NLP组的论文也非常好
最新书摘：
更多
-
Smile2021-01-06深度强化学习是将强化学习和深度学习结合在一起，用强化学习来定义问题和优化目标，用深度学习来解决策略和值函数的建模问题，然后使用误差反向传播算法来优化目标函数。
-
Smile2021-01-05概率图模型的最基本的假设是条件独立性。图形化表示直观地描述了随机变量之间的条件独立性，有利于将复杂的概率模型分解为简单模型的组合，并更好地理解概率模型的表示、推断、学习等方法。图模型与神经网络的区别：图模型的节点是随机变量，其图结构的主要功能是描述变量之间的依赖关系，一般是稀疏连接。使用图模型的好处是可以有效地进行统计推断；而神经网络中的节点是神经元，是一个计算节点。
-
张小鱼2021-04-12从机器学习的角度来看，神经网络一般可以看作是一个非线性模型，其基本组成单元为具有非线性激活函数的神经元，通过大量神经元之间的连接，使得神经网络成为一种高度非线性的模型. 神经元之间的连接权重就是需要学习的参数，可以在机器学习的框架下通过梯度下降方法来进行学习。
猜你喜欢：
-
学习教育豆瓣 8.4
-
学习教育豆瓣 8.7
-
学习教育豆瓣 6.4
-
学习教育
-
学习教育豆瓣 8.8
-
学习教育豆瓣 9.5
-
学习教育豆瓣 9.1
-
学习教育豆瓣 8.8
