 |
-- 會員 / 註冊 --
|
 |
|
|
|
深度學習：方法及應用 ( 簡體 字) |
| 作者：謝磊 | 類別：1. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 45029
詢問書籍請說出此書號！【缺書】
NT售價： 200 元 |
| 出版日：4/1/2016 |
| 頁數：165 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111529064 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：“這本書對最前沿的深度學習方法及應用進行了全面的概述，不僅包括自動語音識別(ASR)，還包括計算機視覺、語言建模、文本處理、多模態學習以及信息檢索。在深度學習這一領域，這是第一本，也是最有價值的一本書，能使讀者對這一領域進行廣泛而深入的學習。深度學習對信息處理的很多方面（尤其對語音識別）都具有重大的影響，甚至對整個科技領域的影響也不容忽視。因此，對于有意了解這一領域的學者，這本書是絕對不容錯過的。”
—— Sadaoki Furui，芝加哥豐田技術研究院院長，日本東京工業大學教授
|
目錄：1. 引言
1.1 深度學習的定義與背景
1.2 本書的結構安排
2. 深度學習的歷史
3. 三類深度學習網絡
3.1 三元分類方式
3.2 無監督和生成式學習深度網絡
3.3 監督學習深度網絡
3.4 混合深度網絡
4. 深度自編碼器——一種無監督學習方法
4.1 引言
4.2 利用深度自編碼器來提取語音特征
4.3 堆疊式去噪自編碼器
4.4 轉換自編碼器
5. 預訓練的深度神經網絡——一種混合方法
5.1 受限玻爾茲曼機
5.2 無監督逐層預訓練
5.3 DNN和HMM結合
6. 深度堆疊網絡及其變種——有監督學習權值
6.1 簡介
6.2 深度堆疊網絡的基本結構
6.3 一種學習DSN權值的方法
6.4 張量深度堆疊網絡
6.5 核化深度堆疊網絡
7. 語音和音頻處理中的應用
7.1 語音識別中聲學模型的建立
7.2 語音合成
7.3 音頻和音樂處理
8. 在語言模型和自然語言處理中的相關應用
8.1 語言模型
8.2 自然語言處理
9. 信息檢索領域中的應用
9.1 信息檢索簡介
9.2 用基于深度自編碼器的語義哈希方法對文檔進行索引和檢索
9.3 文檔檢索中的深度結構語義模型
9.4 信息檢索中深度堆疊網絡的應用
10. 目標識別和計算機視覺中的應用
10.1無監督或生成特征學習
10.2有監督特征學習和分類
11. 多模態和多任務學習中的典型應用
11.1 多模態：文本和圖像
11.2 多模態：語音和圖像
11.3 在語音、自然語言處理或者圖像領域的多任務學習
12. 結論
附錄
參考文獻
|
| 序： |
|
