西安工业大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

概率深度学习:使用Python、Keras和TensorFlow Probability/(德)奥利弗·杜尔(Oliver Dürr)，(德)贝亚特·西克(Beate Sick)，(德)埃尔维斯·穆里纳(Elvis Murina)著 崔亚奇，唐田田，但波译

出版发行项:

北京:清华大学出版社,2022

ISBN及定价:

978-7-302-59865-7 精装/CNY98.00

载体形态项:

14,336页:图;21cm

并列正题名:

Probabilistic deep learning:with Python, Keras and TensorFlow Probability

个人责任者:

(德) 杜尔 (Dürr, Oliver) 著

个人责任者:

(德) 西克 (Sick, Beate) 著

个人责任者:

(德) 穆里纳 (Murina, Elvis) 著

个人次要责任者:

崔亚奇 译

个人次要责任者:

唐田田 译

个人次要责任者:

但波 译

学科主题:

机器学习

中图法分类号:

TP181

相关题名附注:

版权页英文题名：Probabilistic deep learning: with Python, Keras and TensorFlow probability

提要文摘附注:

本书是关于神经网络原理的实践指南，引导读者学习使用不同数据类型的正确分布来提升网络性能，同时推导贝叶斯变体，以通过表达模型自身的不确定性来提高准确性。本书采用了主流的实现框架，提供了易于应用的代码，让读者更加注重实际应用。主要内容是探索深度学习的最大似然原理和统计学基础，发现能输出各种可能结果的概率模型，学习使用标准化流来建模和生成复杂分布，使用贝叶斯神经网络获取模型中的不确定性。

豆瓣简介：