机读格式显示(MARC)

• 000 02180cam 2200637 450

• 001 0000328045

• 005 20181221094400.0

• 010 __ |a 978-7-111-60279-8 |d CNY79.00

• 099 __ |a CAL 012018096896

• 100 __ |a 20180807d2018 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A shen du xue xi |e 卷积神经网络从入门到精通 |d = Deep learning |e mastering gonvolutional neural networks from beginner |f 李玉鑑 ... 等著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2018

• 215 __ |a 424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 华章IT

• 304 __ |a 责任者还有: 张婷, 单传辉, 刘兆英等

• 320 __ |a 有书目 (第416-424页)

• 330 __ |a 卷积神经网络是深度学习中为重要的模型，对引领深度学习的井喷式发展起到了不可或缺的作用。本书试图全面介绍卷积神经网络的模型和方法，详细讨论了其现代雏形、突破模型、加深模型、应变模型、跨连模型、区域模型、分割模型、特殊模型和强化模型，后是其成就AlphaGo。为了辅助读者理解有关内容，本书还结合应用案例分析了很多具体模型的代码实现及演示效果。

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Deep learning |e mastering gonvolutional neural networks from beginner |z eng

• 517 1_ |a 卷积神经网络从入门到精通 |A juan ji shen jing wang luo cong ru men dao jing tong

• 606 0_ |a 学习系统 |A xue xi xi tong

• 690 __ |a TP18 |v 5

• 690 __ |a TP273 |v 5

• 701 _0 |a 李玉鑑 |A li yu jian |4 编著

• 701 _0 |a 张婷 |A zhang ting |4 编著

• 701 _0 |a 单传辉 |A shan chuan hui |4 编著

• 801 _0 |a CN |b NMU |c 20180807

• 801 _2 |a CN |b PUL |c 20181126

• 905 __ |a XATU |d TP273/679

• 920 __ |a 211010 |z 2

• 920 __ |a 215010 |z 1

• 920 __ |a 211030 |z 1

• 920 __ |a 232020 |z 1

• 920 __ |a 221020 |z 1

• 920 __ |a 231220 |z 2

• 920 __ |a 243160 |z 1

• 920 __ |a 242120 |z 1

• 920 __ |a 244010 |z 1

• 920 __ |a 245010 |z 1

• 920 __ |a 237020 |z 1

• 920 __ |a 234050 |z 1

• 920 __ |a 261020 |z 1

• 920 __ |a 211260 |z 1

• 920 __ |a 222010 |z 1

• 920 __ |a 232370 |z 1

• 920 __ |a 261011 |z 1

• 920 __ |a 244020 |z 2

• 920 __ |a 237385 |z 1

• 920 __ |a 237010 |z 1

• 920 __ |a 231280 |z 1

• 998 __ |a NMU