机读格式显示(MARC)

• 000 01873nam 2200373 450

• 001 0000368239

• 005 20200611151900.0

• 010 __ |a 978-7-111-63710-3 |d CNY89.00

• 021 __ |a CN |b 01-2019-0943

• 099 __ |a CAL 012019155714

• 100 __ |a 20191121d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A Shen Du Xue Xi |e 基于案例理解深度神经网络 |d = Applied deep learning |e a case-based approach to understanding deep neural networks |f (瑞士) 翁贝托·米凯卢奇(Umberto Michelucci)著 |g 陶阳, 邓红平译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019

• 215 __ |a XII, 268页 |c 图 |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A Zhi Neng Xi Tong Yu Ji Shu Cong Shu

• 300 __ |a 机工IT

• 314 __ |a 翁贝托·米凯卢奇(Umberto Michelucci)，目前在瑞士领先的医疗保险公司从事创新和人工智能（AI）工作。

• 330 __ |a 本书探讨深度学习中的高级主题，例如优化算法、超参数调整、Dropout和误差分析，以及如何解决在训练深度神经网络时遇到的典型问题。书中首先介绍单一神经元网络的激活函数（ReLu、sigmoid和Swish），然后介绍如何使用TensorFlow进行线性和逻辑回归，以及如何选择正确的代价函数，之后讨论具有多个层和神经元的更复杂的神经网络结构，并探讨了权重的随机初始化问题。本书用一整章对神经网络误差分析进行全面概述，给出解决来自不同分布的方差、偏差、过拟合和数据集问题的例子。

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Applied deep learning : a case-based approach to understanding deep neural networks |z eng

• 517 1_ |a 基于案例理解深度神经网络 |A Ji Yu An Li Li Jie Shen Du Shen Jing Wang Luo

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi

• 690 __ |a TP181 |v 5

• 701 _1 |c (瑞士) |a 米凯卢奇 |A Mi Kai Lu Qi |c (Michelucci, Umberto) |4 著

• 702 _0 |a 陶阳 |A Tao Yang |4 译

• 702 _0 |a 邓红平 |A Deng Gong Ping |4 译

• 801 _0 |a CN |b SEU |c 20191121

• 905 __ |a XATU |d TP181/143

• 920 __ |a 261060 |z 1

• 998 __ |a SEU