9787115488435 9787115490841 9787115461476

动手学深度学习本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。

全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

对本书的赞誉

前言

如何使用本书

资源与支持

主要符号表

第　1章深度学习简介　1

1.1　起源　2

1.2　发展　4

1.3　成功案例　6

1.4　特点　7

小结　8

练习　8

第　2章预备知识　9

2.1　获取和运行本书的代码　9

2.1.1　获取代码并安装运行环境　9

2.1.2　更新代码和运行环境　11

2.1.3　使用GPU版的MXNet　11

小结12

练习12

2.2　数据操作　12

2.2.1　创建NDArray　12

2.2.2　运算　14

2.2.3　广播机制　16

2.2.4　索引　17

2.2.5　运算的内存开销　17

2.2.6　NDArray和NumPy相互变换18

小结19

练习19

2.3　自动求梯度　19

2.3.1　简单例子　19

2.3.2　训练模式和预测模式　20

2.3.3　对Python控制流求梯度　20

小结21

练习21

2.4　查阅文档　21

2.4.1　查找模块里的所有函数和类　21

2.4.2　查找特定函数和类的使用　22

2.4.3　在MXNet网站上查阅　23

小结　24

练习　24

第3章深度学习基础　25

3.1　线性回归　25

3.1.1　线性回归的基本要素　25

3.1.2　线性回归的表示方法　28

小结　30

练习　30

3.2　线性回归的从零开始实现　30

3.2.1　生成数据集　30

3.2.2　读取数据集　32

3.2.3　初始化模型参数　32

3.2.4　定义模型　33

3.2.5　定义损失函数　33

3.2.6　定义优化算法　33

3.2.7　训练模型　33

小结　34............

深度学习 [deep learning]《深度学习》由全球知名的三位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。

　　《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

第1章引言1

11本书面向的读者7

12深度学习的历史趋势8

121神经网络的众多名称和命运变迁8

122与日俱增的数据量12

123与日俱增的模型规模13

124与日俱增的精度、复杂度和对现实世界的冲击15

第1部分应用数学与机器学习基础

第2章线性代数19

21标量、向量、矩阵和张量19

22矩阵和向量相乘21

23单位矩阵和逆矩阵22

24线性相关和生成子空间23

25范数24

26特殊类型的矩阵和向量25

27特征分解26

28奇异值分解28

29Moore-Penrose伪逆28

210迹运算29

211行列式30

212实例：主成分分析30

第3章概率与信息论34

31为什么要使用概率34

32随机变量35

33概率分布36

331离散型变量和概率质量函数36

332连续型变量和概率密度函数36

34边缘概率37

35条件概率37

36条件概率的链式法则38

37独立性和条件独立性38

38期望、方差和协方差38.........

人工智能 2版

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。 
　　本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。 
　　本书系统、全面地涵盖了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。 

第一部分引言 
第　1章人工智能概述　2 
1.0　引言　2 
1.0.1　人工智能的定义　3 
1.0.2　思维是什么？智能是什么？　3 
1.1　图灵测试　5 
1.1.1　图灵测试的定义　6 
1.1.2　图灵测试的争议和批评　8 
1.2　强人工智能与弱人工智能　9 
1.3　启发法　11 
1.3.1　长方体的对角线：解决一个相对简单但相关的 
问题　11 
1.3.2　水壶问题：向后倒推　12 
1.4　识别适用人工智能来求解的问题　13 
1.5　应用和方法　15 
1.5.1　搜索算法和拼图　16 
1.5.2　二人博弈　18 
1.5.3　自动推理　18 
1.5.4　产生式规则和专家系统　19 
1.5.5　细胞自动机　20 
1.5.6　神经计算　21 
1.5.7　遗传算法　23 
1.5.8　知识表示　23 
1.5.9　不确定性推理　24 
1.6　人工智能的早期历史　25 
1.7　人工智能的近期历史到现在　29 
1.7.1　博弈　29 
1.7.2　专家系统　30 
1.7.3　神经计算　31 
1.7.4　进化计算　31 
1.7.5　自然语言处理　32 
1.7.6　生物信息学　34 
1.8　新千年人工智能的发展　34 
1.9　本章小结　36 
第二部分　基础知识 
第　2章盲目搜索　46 
2.0　简介：智能系统中的搜索　46 
2.1　状态空间图　47 
2.2　生成与测试范式　49 
2.2.1　回溯　50 
2.2.2　贪婪算法　54 
2.2.3　旅行销售员问题　56 
2.3　盲目搜索算法　58 
2.3.1　深度优先搜索　58 
2.3.2　广度优先搜索　60 
2.4　盲目搜索算法的实现和比较　63 
2.4.1　实现深度优先搜索　63 .......