深度學(xué)習(xí)：入門與實(shí)踐

目錄第1章緒論1.1引言1.2基本概念1.2.1回歸、分類、聚類1.2.2監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)1.2.3感知機(jī)、神經(jīng)網(wǎng)絡(luò)1.3發(fā)展歷程1.4相關(guān)學(xué)者與會議或賽事1.5本章小結(jié)參考文獻(xiàn)第2章回歸2.1線性回歸2.1.1問題描述2.1.2問題求解2.1.3工具實(shí)現(xiàn)2.2邏輯回歸2.2.1問題描述2.2.2問題求解2.2.3工具實(shí)現(xiàn)2.3本章小結(jié)參考文獻(xiàn)第3章人工神經(jīng)網(wǎng)絡(luò)3.1Rosenblatt感知機(jī)3.1.1訓(xùn)練方法3.1.2算法實(shí)例3.1.3梯度下降3.2人工神經(jīng)網(wǎng)絡(luò)3.2.1網(wǎng)絡(luò)架構(gòu)3.2.2訓(xùn)練方法3.2.3算法實(shí)例3.3本章小結(jié)參考文獻(xiàn)深度學(xué)習(xí)：入門與實(shí)踐目錄第4章Caffe簡介4.1CNN原理4.1.1卷積4.1.2池化4.1.3LeNet54.2Caffe架構(gòu)4.2.1Blob類4.2.2Layer類4.2.3Net類4.2.4Solver類4.3Caffe應(yīng)用實(shí)例4.3.1車型識別4.3.2目標(biāo)檢測4.4本章小結(jié)參考文獻(xiàn)第5章TensorFlow簡介5.1TensorFlow架構(gòu)5.2TensorFlow簡單應(yīng)用5.2.1TensorFlow安裝5.2.2線性回歸5.3TensorFlow高級應(yīng)用5.3.1MNIST手寫數(shù)字識別5.3.2車型識別5.4本章小結(jié)參考文獻(xiàn)第6章強(qiáng)化學(xué)習(xí)簡介6.1強(qiáng)化學(xué)習(xí)基本原理6.2AlphaGo基本架構(gòu)6.3其他趣味應(yīng)用6.4本章小結(jié)參考文獻(xiàn)后記