深度学习：Java语言实现 - (EPUB全文下载)

文件大小：0.45 mb。
文件格式：epub 格式。
书籍内容：

深度学习：Java语言实现
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
4.2 dropout
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
5.2 DL4J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
5.4.3 CNNMnistExample.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
7.1 Theano
7.2 TensorFlow
7.3 Caffe
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
第1章　深度学习概述
人工智能（Artificial Intelligence，AI）可能是你最近屡屡听闻的一个术语。人工智能正在成为热议的话题，无论是在学术社区，还是在商业领域，人们都接踵而来。大型的高科技公司，譬如谷歌（Google）和脸谱（Facebook）都在积极寻求收购人工智能领域的初创企业。随着海量资金流入人工智能领域，这个领域的并购最近也变得异常活跃。日本信息技术及移动运营商软银在2014年6月发布了一款名为“胡椒”（Pepper）的机器人——它能够理解人类的情感，一年之后他们已经着手准备向普通消费者销售“胡椒”这款机器人了。毫无疑问，这是人工智能领域的重要进展。
人工智能的概念已经存在几十年。可是，为什么它最近突然变得如此火热？原因之一就是近期推动相关人工智能领域发展的深度学习——常被称为“人工智能”。深度学习这个词在几乎所有的场合都与人工智能同时被提及。深度学习华丽登场之后，它的技术能力也开始爆炸性地急速成长，人们开始相信人工智能在将来的某一天会变成现实。听起来深度学习是我们必须要了解的一种技术。那么，到底什么是深度学习呢？
为了回答前面的问题，我们将在本章沿着人工智能的历史轨迹及研究领域，探讨人工智能流行背后的秘密。本章涉及的内容包括下面几个方面：
·传统人工智能的方法和技术。
·机器学习及其演变为深度学习的介绍。
·深度学习及最近的使用案例的介绍。
如果你已经了解了什么是深度学习，或者你想查看深度学习的某个具体算法、实现技术，你可以跳过本章的内容，直接进入第2章。
虽然深度学习是一种创新的技术，但它并非想象中那么复杂。实际上，它非常简单。读完这本书，你会发现它有多么强大。我衷心地希望本书能帮助你理解深度学习，让深度学习为你的研究和业务添砖加瓦。
1.1　人工智能的变迁
那么，为什么深度学习突然站到了聚光灯下？你可能会问这个问题，特别是如果你熟悉机器学习的话，因为深度学习与机器学习算法并没有那么大的差异（别担心，如果你对此了解不多，我们在本书后面会逐一介绍相关的内容）。实际上，我们可以说深度学习是神经网络（这是一种机器学习算法）的改进版，神经网络试图模拟人类大脑的结构。不过，深度学习能取得的成绩要深远得多，并且它也不同于任何一种机器学习算法（包括神经网络）。如果你了解深度学习经历过什么样的发展过程，就能对深度学习本身有更深入的理解。既然如此，就让我们开始浏览人工智能的变迁史。这部分的内容很轻松，你可以品着咖啡轻松地快速翻过。
1.1.1　人工智能的定义
突然之间，人工智能在全世界变得如此热门。但是，真正的“人工智能”事实上还不存在。尽管相关的研究取得了进展，但要达到真正的人工智能尚需时日。无论你高兴与否，人类的大脑，即被我们称之为“智能”的东西，其结构异常复杂，想要复制它并没有那么容易。
然而，我们却经常看到“某某产品用人工智能”的广告，难道他们是在忽悠吗？实际上说，是的！奇怪吗？你可能看到类似“用人工智能的推荐系统”或者“用人工智能驱动的产品”，可是这些句子中的“人工智能”并不符合“人工智能”的定义。严格地说，只是“人工智能”这个词的概念过分外延了。其实人工智能的研究及技术成果只达到其真正内涵的一部分，而人们使用“人工智能”这个词也恰恰意指这个部分。
让我们看几个例子。粗略划分起来，我们通常可以将人工智能划分为三大类，分别是：
·简单重复性的机器运动，这些运动是由我们提前通过程序设定的。譬如可以进行高速作业的工业机器人，它们只能处理相同的工作。
·依据人为设定的规则，针对特定的任务执行搜索或猜测结果工作。譬 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。