图书介绍

深度学习与R语言PDF|Epub|txt|kindle电子书版本网盘下载

深度学习与R语言
  • 程显毅，施佺编著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111570738
  • 出版时间：2017
  • 标注页数：204页
  • 文件大小：23MB
  • 文件页数：215页
  • 主题词：学习(人工智能)；程序语言－程序设计

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：056b1e57f5ac37e293707c8be10c1ed5

下载说明

深度学习与R语言PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 引言1

1.1关于深度学习1

1.1.1深度学习兴起的渊源1

1.1.2深度学习总体框架3

1.1.3深度学习本质4

1.1.4深度学习应用5

1.2前向反馈神经网络FNN5

1.2.1多层感知器5

1.2.2神经元的作用6

1.2.3激活函数8

1.2.4学习算法9

1.3 R语言基础11

1.3.1入门11

1.3.2基本语法13

1.3.3数据14

1.3.4绘图19

1.3.5数据准备21

1.3.6基本运算23

1.4 FNN的R实现23

1.5学习指南27

第2章 深度神经网络DNN28

2.1 DNN原理28

2.2 DNN应用30

2.2.1提高雾天视觉能见度31

2.2.2打击黑客和网络犯罪31

2.2.3图像压缩33

2.2.4函数逼近34

2.3 DNN应用需要注意的一些问题38

2.3.1神经元数量38

2.3.2最佳层数的选择39

2.3.3训练时间过长39

2.3.4过拟合40

2.4 DNN应用技巧40

2.5单响应变量DNN的R实现42

2.6多响应变量DNN的R实现46

2.7学习指南51

第3章 卷积神经网络CNN52

3.1 CNN原理52

3.1.1局部感知53

3.1.2权值共享54

3.1.3多卷积核54

3.1.4池化56

3.2多层卷积57

3.2.1 ImageNet-2010网络结构57

3.2.2 DeepID网络结构58

3.3 CNN的R实现58

3.4学习指南59

第4章 递归神经网络RNN61

4.1 RNN原理61

4.2 Elman网络61

4.2.1承接层神经元的作用62

4.2.2信息流动62

4.2.3 Elman网络应用63

4.3 Jordan网络65

4.3.1 Jordan网络结构65

4.3.2 Jordan网络应用65

4.4 RNN的R实现66

4.5学习指南77

第5章 自编码网络AE79

5.1无监督学习过程79

5.2 AE基本结构80

5.2.1降维问题81

5.2.2特征抽取82

5.3稀疏自动编码网络SAE83

5.3.1 Kullback-Leibler散度84

5.3.2使用SAE注意事项84

5.4 SAE的R实现85

5.5学习指南94

第6章 堆栈自编码网络SA95

6.1 SA原理96

6.2 SA的R实现97

6.3降噪自编码网络DAE99

6.3.1随机掩蔽的椒盐噪声100

6.3.2 DAE基本任务100

6.3.3标准化堆栈降噪自编码网络100

6.4 DAE的R实现101

6.5学习指南105

第7章 受限玻耳兹曼机RBM107

7.1 RBM原理107

7.1.1玻耳兹曼机的四类知识107

7.1.2能量和概率的作用108

7.1.3联合概率分布表示的自编码网络109

7.1.4模型学习的目标109

7.2训练技巧110

7.2.1技巧1：Gibbs采样110

7.2.2技巧2：最小化KL距离110

7.2.3技巧3：使用RLU激活函数111

7.2.4技巧4：模拟退火111

7.3对深度学习的质疑112

7.4 RBM应用112

7.4.1肝癌分类的RBM113

7.4.2麻醉镇定作用预测的RBM114

7.5 RBM的R实现115

7.6学习指南118

第8章 深度置信网络DBN120

8.1 DBN原理120

8.2应用案例121

8.3 DBN的R实现123

8.4学习指南126

第9章MXNetR128

9.1 MXNet技术特性128

9.2 MXNetR安装129

9.2.1安装MXNet基本需求129

9.2.2 MXNet云设置130

9.2.3 MXNet安装方法130

9.2.4 MXNetR安装方法131

9.2.5常见的安装问题132

9.3 MXNetR在深度学习中的应用133

9.3.1二分类模型133

9.3.2回归模型与自定义神经网络135

9.3.3手写数字竞赛137

9.3.4图像识别应用141

9.4学习指南143

第10章word2vec的R语言实现144

10.1 word2vec词向量由来144

10.1.1统计语言模型144

10.1.2神经网络概率语言模型145

10.2 word2vec——词向量特征提取模型145

10.2.1词向量145

10.2.2 CBOW的分层网络结构——HCBOW146

10.2.3 word2vec流程150

10.3 word2 vec的R实现151

10.3.1 tmcn.word2vec包151

10.3.2 word2vec自编译函数153

10.3.3使用tmcn. word2vec和word2 vec注意的问题154

10.4学习指南155

第11章R语言其他深度学习包156

11.1 darch包156

11.2 Rdbn包161

11.2.1 Rdbn原理161

11.2.2 Rdbn安装161

11.2.3 Rdbn应用162

11.3 H2O包164

11.3.1 H2O原理164

11.3.2 H2O应用167

11.4 deepnet包169

11.5 mbench包171

11.6 AMORE包175

11.7学习指南177

附录178

附录A深度学习发展史178

附录B深度学习的未来——GAN195

附录C R包分类198

参考文献201

后记204

热门推荐