本書兼顧統(tǒng)計知識的基礎性和系統(tǒng)性，系統(tǒng)介紹深度學習基礎知識和建模技術。本書共包括7章，第1章介紹機器學習、人工智能和深度學習發(fā)展歷程及相關概念；第2章介紹深度學習的理論知識，如張量、梯度、損失函數(shù)、激活函數(shù)、反向傳播等；第3章介紹基礎神經(jīng)網(wǎng)絡在二分類數(shù)據(jù)、多分類數(shù)據(jù)和連續(xù)數(shù)據(jù)上的實例構(gòu)建；第4章介紹神經(jīng)網(wǎng)絡模型的泛化策略；第5章介紹卷積神經(jīng)網(wǎng)絡的模型結(jié)構(gòu)及其在圖像分類問題中的應用；第6章介紹循環(huán)神經(jīng)網(wǎng)絡的模型結(jié)構(gòu)及其在序列數(shù)據(jù)中的應用；第7章介紹文本數(shù)據(jù)建模的全過程，并結(jié)合前幾章介紹的模型結(jié)構(gòu)和優(yōu)化策略，基于案例展示用于處理自然語言的深度學習模型。

更多科學出版社服務，請掃碼獲取。