人工智能技术及其深度神经网络已经更改着大家对手机软件的了解，正促使电子计算机更为智能化。深度学习算法运用十分普遍，远远地超过计算机科学的层面。这书最先详细介绍了某些机器学习算法的基本，接着就领着你进到1个扣人心弦的设备智能化的全球。你将领略各种各样神经元网络的风采及挑戰。人们将应用根据DL4J的Java库，一块儿攻破图象处理、语音识别技术和自然语言理解等各种各样难题。另外，你也会触碰到现如今关键的别的平台，如Theano、TensorFlow和Caffe。根据这书的学习培训，你将具有用Java攻破深度神经网络难题的工作能力，并且为这一行业奉献自身的能量。
目录
- 译者序
- 前言
- 第1章深度学习概述
- 1.1人工智能的变迁
- 1.1.1人工智能的定义
- 1.1.2人工智能曾经的辉煌
- 1.1.3机器学习的演化
- 1.1.4机器学习的局限性
- 1.2人与机器的区分因素
- 1.3人工智能与深度学习
- 1.4小结
- 第2章机器学习算法——为深度学习做准备
- 2.1入门
- 2.2机器学习中的训练需求
- 2.3监督学习和无监督学习
- 2.3.1支持向量机
- 2.3.2隐马尔可夫模型
- 2.3.3神经网络
- 2.3.4逻辑回归
- 2.3.5增强学习
- 2.4机器学习应用流程
- 2.5神经网络的理论和算法
- 2.5.1单层感知器
- 2.5.2逻辑回归
- 2.5.3多类逻辑回归
- 2.5.4多层感知器
- 2.6小结
- 第3章深度信念网络与栈式去
- 噪自编码器
- 3.1神经网络的没落
- 3.2神经网络的复兴
- 3.2.1深度学习的进化——突破是什么
- 3.2.2预训练的深度学习
- 3.3深度学习算法
- 3.3.1限制玻尔兹曼机
- 3.3.2深度信念网络
- 3.3.3去噪自编码器
- 3.3.4栈式去噪自编码器
- 3.4小结
- 第4章dropout和卷积神经网络
- 4.1没有预训练的深度学习算法
- 4.2dropout
- 4.3卷积神经网络
- 4.3.1卷积
- 4.3.2池化
- 4.3.3公式和实现
- 4.4小结
- 第5章探索Java深度学习库——DL4J、ND4J以及其他
- 5.1从零实现与使用库/框架
- 5.2DL4J和 ND4J 的介绍
- 5.3使用 ND4J 实现
- 5.4使用DL4J实现
- 5.4.1设置
- 5.4.2构建
- 5.4.3CNNMnistExample.java/LenetMnistExample.java
- 5.4.4学习速率的优化
- 5.5小结
- 第6章实践应用——递归神经网络等
- 6.1深度学习热点
- 6.1.1图像识别
- 6.1.2自然语言处理
- 6.2深度学习的挑战
- 6.3最大化深度学习概率和能力的方法
- 6.3.1面向领域的方法
- 6.3.2面向分解的方法
- 6.3.3面向输出的方法
- 6.4小结
- 第7章其他重要的深度
- 学习库
- 7.1Theano
- 7.2TensorFlow
- 7.3Caffe
- 7.4小结
- 第8章未来展望
- 8.1深度学习的爆炸新闻
- 8.2下一步的展望
- 8.3对深度学习有用的新闻资源
- 8.4小结
