潍坊科技学院图书馆书目检索系统

| 暂存书架(0) | 登录



MARC状态:已编 文献类型:中文图书 浏览次数:7

题名/责任者:
概率深度学习:使用Python、Keras和TensorFlow Probability/(德) 奥利弗·杜尔, 贝亚特·西克, 埃尔维斯·穆里纳著 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:
xiv, 336页:图;22cm
统一题名:
Probabilistic deep learning : with Python, Keras and TensorFlow Probability
其它题名:
使用Python、Keras和TensorFlow Probability
个人责任者:
杜尔 (Durr, Oliver)
个人责任者:
西克 (Sick, Beate)
个人责任者:
穆里纳 (Murina, Elvis)
个人次要责任者:
崔亚奇
个人次要责任者:
唐田田
个人次要责任者:
但波
学科主题:
机器学习
中图法分类号:
TP181
相关题名附注:
英文题名原文取自版权页
责任者附注:
Oliver Durr, 是德国康斯坦茨应用科学大学的教授。Beate Sick, 在苏黎世应用科技大学担任应用统计学教授, 并在苏黎世大学担任研究员和讲师。Elvis Murina, 是一名数据科学家。
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。
使用对象附注:
本书适用于有经验的机器学习开发人员
全部MARC细节信息>>
索书号 条码号 年卷期 馆藏地 书刊状态 还书位置
TP181/241 2010937   自然科学书库-四楼西北     正常验收 自然科学书库-四楼西北
显示全部馆藏信息
CADAL相关电子图书
借阅趋势

同名作者的其他著作(点击查看)
用户名:
密码:
验证码:
请输入下面显示的内容
  证件号 条码号 Email
 
姓名:
手机号:
送 书 地:
收藏到: 管理书架