机读格式显示(MARC)

• 000 01244nam 2200313 450

• 001 0000430641

• 005 20191018141408.2

• 010 __ |a 978-7-115-51723-4 |d CNY89.00

• 099 __ |a CAL 012019132297

• 100 __ |a 20191018d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深入理解神经网络 |A shen ru li jie shen jing wang luo |e 从逻辑回归到CNN |f 张觉非著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2019

• 215 __ |a 310页 |c 图 |d 24cm

• 225 2_ |a 图灵原创 |A tu ling yuan chuang

• 320 __ |a 有书目。

• 330 __ |a 本书将数学基础知识与机器学习和神经网络紧密结合，包含线性模型的结构与局限、损失函数、基于一阶和二阶信息的优化算法、模型自由度与正则化、神经网络的表达能力、反向传播与计算图自动求导、卷积神经网络等主题，帮助读者建立基于数学原理的较深刻的洞见和认知。本书还提供了逻辑回归、多层全连接神经网络和多种训练算法的Python实现，以及运用TensorFlow搭建和训练多种卷积神经网络的代码实例。

• 410 _0 |1 2001^ |a 图灵原创

• 517 1_ |a 从逻辑回归到CNN

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 研究

• 690 __ |a TP183 |v 5

• 701 _0 |a 张觉非 |A Zhang Juefei |4 著

• 801 _0 |a CN |b NEN |c 20191018

• 905 __ |a WFKJXY |d TP183/10

• 920 __ |a 222190 |z 1

• 920 __ |a 241010 |z 1