深度学习精要 - (EPUB全文下载)

文件大小：1.98 mb。
文件格式：epub 格式。
书籍内容：

目 录
版权信息
版权声明
内容提要
作者简介
审阅人简介
前言
第1章 深度学习入门
1.1 什么是深度学习
1.2 神经网络的概念综述
1.3 深度神经网络
1.4 用于深度学习的R包
1.5 建立可重复的结果
1.5.1 神经网络
1.5.2 deepnet包
1.5.3 darch包
1.5.4 H2O包
1.6 连接R和H2O
1.6.1 初始化H2O
1.6.2 数据集连结到H2O集群
1.7 小结
第2章 训练预测模型
2.1 R中的神经网络
2.1.1 建立神经网络
2.1.2 从神经网络生成预测
2.2 数据过拟合的问题——结果的解释
2.3 用例——建立并运用神经网络
2.4 小结
第3章 防止过拟合
3.1 L1罚函数
3.2 L2罚函数
3.2.1 L2罚函数实战
3.2.2 权重衰减（神经网络中的L2罚函数）
3.3 集成和模型平均
3.4 用例——使用丢弃提升样本外模型性能
3.5 小结
第4章 识别异常数据
4.1 无监督学习入门
4.2 自动编码器如何工作
正则化的自动编码器
4.3 在R中训练自动编码器
4.4 用例——建立并运用自动编码器模型
4.5 微调自动编码器模型
4.6 小结
第5章 训练深度预测模型
5.1 深度前馈神经网络入门
5.2 常用的激活函数——整流器、双曲正切和maxout
5.3 选取超参数
5.4 从深度神经网络训练和预测新数据
5.5 用例——为自动分类生成深度神经网络
5.6 小结
第6章 调节和优化模型
6.1 处理缺失数据
6.2 低准确度模型的解决方案
6.2.1 网格搜索
6.2.2 随机搜索
6.3 小结
参考文献
欢迎来到异步社区！
版权信息
书名：深度学习精要（基于R语言）
ISBN：978-7-115-46415-6
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
•　著　　　　［美］Joshua F.Wiley
　 译　　　　高　蓉
　 责任编辑　陈冀康
•　人民邮电出版社出版发行　　北京市丰台区成寿寺路11号
　 邮编　100164 　电子邮件　315@ptpress.com.cn
　 网址　http://www.ptpress.com.cn
•　读者服务热线：(010)81055410
　 反盗版热线：(010)81055315
版权声明
Copyright ©2016 Packt Publishing. First published in the English language under the title R Deep Learning Essentials.
All rights reserved.
本书由英国Packt Publishing公司授权人民邮电出版社出版。未经出版者书面许可，对本书的任何部分不得以任何方式或任何手段复制和传播。
版权所有，侵权必究。
内容提要
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
Dr. Joshua F. Wiley是莫纳什大学的讲师，也是统计咨询公司Elkhart集团有限公司的资深合伙人。他从位于洛杉矶的加利福尼亚大学获得了博士学位。他的研究集中于使用高级数量方法来理解社会、心理，以及与心理和生理健康有关的生理过程之间的复杂的相互影响。在统计和社会科学方面，Joshua关注生物统计并且对可重复性研究以及数据和统计模型的图形显示非常有兴趣。通过在Elkhart集团有限公司的顾问工作以及他之前在UCLA统计顾问集团的工作，Joshua已经帮助过各种各样的客户，从试验研究者到生物技术公司。他开发或者共同开发了许多R包，包括varian
，一个用来构建贝叶斯尺度位置结构方程模型的包，以及MplusAutomation
，一个将R链接到商业软件Mplus
的热门R包。
我要感谢我的妻子和家人多年来的支持与鼓励，使我对工作始终抱有热忱。
审阅人简介
Vincenzo Lomonaco，1991年出生于意大利的圣乔瓦尼-罗通多。他在巴西利卡塔度过了童年时代，在获得了科学学院文凭之后，他搬到了摩德纳。之后不到3年，他以优异的成绩从计算机科学专业毕业。由于受到博洛尼亚盛名和研究活动的吸引，他决定在那里开始计算机硕士的学习。2015年，他以优异成绩毕业，毕业论文是《用于计算机视觉的深度学习：卷积神经网络和分层时间记忆在目标识别任务中的比较》。目前，他是博洛尼亚大学的博士研究生，研究深度学习和生物启发模式识别。
前言
本书主要介绍如何在R编程语言和环境当中训练并使用深度学习模型或深度神经网络。本书无意于提供有关深度神经网络的深入的理论覆盖，但它将给你足够的理论背景，帮助你理解深度神经网络的基础、应用以及结果的解释。本书还将提供一些包和函数，用来训练深度神经网络，优化它们的超参数来提升模型的准确度、生成预测或者建立模型的其他应用。为了着手处理现实生活中的例子和应用，本书将提供关于深度学习要领的易于阅读的全面介绍。
本书的内容
第1章“深度学习入门”，展示如何创建R和H2O包并安装在计算机或服务器上，内容涉及所有和深度学习有关的基本概念。
第2章“训练预测模型”，涉及如何训练一个浅层无监督的神经网络预测模型。
第3章“防止过拟合”，解释了可用于防止模型过拟合数据的不同方法，为了
提升泛化能力，叫作无监督数据上的正则化。
第4章“识别异常数据”，涉及识别异常数据， ............

书籍插图：

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。