本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
深度学习的数学 | ||
![]() |
定价 | 69.00 |
出版社 | 人民邮电出版社 | |
版次 | dy 版 | |
出版时间 | 2019年05月 | |
开本 | 大32开 | |
作者 | [日]涌井良幸、涌井贞美 | |
装帧 | 平装 | |
页数 | ||
字数 | 210000 | |
ISBN编码 | 9787115509345 |
机器学习中的数学 | ||
![]() |
定价 | 89.80 |
出版社 | 中国水利水电出版社 | |
版次 | 1 | |
出版时间 | 2019年11月 | |
开本 | 16 | |
作者 | 孙博 编著 | |
装帧 | 平装 | |
页数 | 357 | |
字数 | 374000 | |
ISBN编码 | 9787517077190 |
《深度学习的数学》基于丰富的图示和具体示例,通俗易懂地介绍了深度学习相关的数学知识。dy 章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的 优化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证,帮助读者直观地体验深度学习的原理。
《机器学习中的数学》是一本系统介绍机器学习中涉及的数学知识的入门图书,本书从机器学习中的数学入门开始,以展示数学的友好性为原则,讲述了机器学习中的一些常见的数学知识。机器学习作为人工智能的核心技术,对于数学基础薄弱的人来说,其台阶是陡峭的,本书力争在陡峭的台阶前搭建一个斜坡,为读者铺平机器学习的数学之路。
《机器学习中的数学》共19章,分为线性代数、高等数学和概率3个组成部分。第 1 部分包括向量、向量的点积与叉积、行列式、代数余子式、矩阵、矩阵和方程组、矩阵的秩、逆矩阵、高斯—诺尔当消元法、消元矩阵与置换矩阵、矩阵的LU分解、欧几里得距离、曼哈顿距离、切比雪夫距离、夹角余弦等;第2部分包括导数、微分、不定积分、定积分、弧长、偏导、多重积分、参数方程、极坐标系、柱坐标系、球坐标系、梯度、梯度下降算法、方向导数、线性近似、二阶近似、泰勒公式、牛顿法、 xiao二乘法、求解极值、拉格朗日乘子法、KKT条件、欧拉—拉格朗日方程等;第3部分包括概率、古典概型、几何概型、互斥事件、独立事件、分布函数、离散型分布、连续型分布等。
《机器学习中的数学》内容全面,语言简练,实例典型,实用性强,立足于“友好数学”,与机器学习完美对接,适合想要了解机器学习与深度学习但数学基础较为薄弱的程序员阅读,也适合作为各大高等院校机器学习相关专业的教材。机器学习及数学爱好者、海量数据挖掘与分析人员、金融智能化从业人员等也可选择本书参考学习