《深度学习精要（基于R语言）》配套资源

本站精选了一篇深度学习类书籍配套资源，介绍了关于深度学习、R语言、配套资源、深度学习方面的内容，本书是由人民邮电出版社出版，已被477人关注，由饶烨煜测试纠错，目前本书在深度学习类综合评分为：7.5分。

内容简介

本书重点介绍如何将R语言和深度学习模型或深度神经网络结合起来，解决实际的应用需求。全书共6章，分别介绍了深度这习基础知识、训练预测模型、如何防止过拟合、识别异常数据、训练深度预测模型以及调节和优化模型等内容。本书适合了解机器学习概念和R语言并想要使用R提供的包来探索深度学习应用的读者学习参考。

作者简介

机器学习、深度学习、人工智能等相关领域的读者，高校计算机专业的学生。机器学习、深度学习、人工智能等相关领域的读者，高校计算机专业的学生。

目录

• 第1章　深度学习入门\t1
• 1．1　什么是深度学习\t1
• 1．2　神经网络的概念综述\t2
• 1．3　深度神经网络\t6
• 1．4　用于深度学习的R包\t8
• 1．5　建立可重复的结果\t9
• 1．5．1　神经网络\t12
• 1．5．2　deepnet包\t13
• 1．5．3　darch包\t14
• 1．5．4　H2O包\t14
• 1．6　连接R和H2O\t14
• 1．6．1　初始化H2O\t15
• 1．6．2　数据集连结到H2O集裙\t17
• 1．7　小结\t19
• 第2章　训练预测模型\t20
• 2．1　R中的神经网络\t20
• 2．1．1　建立神经网络\t21
• 2．1．2　从神经网络生成预测\t36
• 2．2　数据过拟合的问题—结果的解释\t38
• 2．3　用例—建立并运用神经网络\t41
• 2．4　小结\t47
• 第3章　防止过拟合\t48
• 3．1　L1罚函数\t49
• 3．2　L2罚函数\t53
• 3．2．1　L2罚函数实战\t54
• 3．2．2　权重衰减（神经网络中的L2罚函数）\t55
• 3．3　集成和模型平均\t59
• 3．4　用例—使用丢弃提升样本外模型性能\t62
• 3．5　小结\t67
• 第4章　识别异常数据\t68
• 4．1　无监督学习入门\t69
• 4．2　自动编码器如何工作\t70
• 4．3　在R中训练自动编码器\t73
• 4．4　用例—建立并运用自动编码器模型\t85
• 4．5　微调自动编码器模型\t90
• 4．6　小结\t95
• 第5章　训练深度预测模型\t96
• 5．1　深度前馈神经网络入门\t97
• 5．2　常用的激活函数—整流器、双曲正切和maxout\t99
• 5．3　选取超参数\t101
• 5．4　从深度神经网络训练和预测新数据\t105
• 5．5　用例—为自动分类生成深度神经网络\t114
• 5．6　小结\t132
• 第6章　调节和优化模型\t133
• 6．1　处理缺失数据\t134
• 6．2　低准确度模型的解决方案\t13

以上就是本次关于配套资源的介绍和部分内容，我们还整理了以往更新的其它相关电子书资源内容，可以在下方直接下载，关于相关的资源我们在下方做了关联展示，需要的朋友们也可以参考下。