91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

亞馬遜神經(jīng)網(wǎng)絡(luò)類圖書中最受歡迎的10本書

電子工程師 ? 來源:lp ? 2019-03-20 15:23 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

近年來,數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘越來越熱門,許多人對(duì)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)十分感興趣,該主題下的書籍也呈現(xiàn)出爆炸式增長(zhǎng),判斷一本書對(duì)你是否有用的方法就是看看其他人在看什么書

本文我們羅列了截止2019年3月7日亞馬遜神經(jīng)網(wǎng)絡(luò)類圖書中最受歡迎的 10 本書,希望對(duì)大家的選擇有所幫助

1、《機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow

本書主要分為兩個(gè)部分。第一部分為第1章到第8章,涵蓋機(jī)器學(xué)習(xí)的基礎(chǔ)理論知識(shí)和基本算法——從線性回歸到隨機(jī)森林等,幫助讀者掌握Scikit-Learn的常用方法;第二部分為第9章到第16章,探討深度學(xué)習(xí)和常用框架TensorFlow,一步一個(gè)腳印地帶領(lǐng)讀者使用TensorFlow搭建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),以及卷積神經(jīng)網(wǎng)絡(luò)。

2、《Python深度學(xué)習(xí)》

本書由Keras之父、現(xiàn)任Google人工智能研究員的弗朗索瓦?肖萊(Fran?ois Chollet)執(zhí)筆,詳盡介紹了用Python和Keras進(jìn)行深度學(xué)習(xí)的探索實(shí)踐,涉及計(jì)算機(jī)視覺、自然語言處理、生成式模型等應(yīng)用。曾獲得豆瓣滿分10分的好評(píng)

3、《The Book of Why》

這是一本非常好的計(jì)算機(jī)科普讀物,由圖靈獎(jiǎng)獲得者Judea Pearl執(zhí)筆,展示了理解因果關(guān)系如何徹底改變科學(xué)并將革新人工智能

4、《Python神經(jīng)網(wǎng)絡(luò)編程

本書揭示神經(jīng)網(wǎng)絡(luò)背后的概念,并介紹如何通過Python實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)。全書分為3章和兩個(gè)附錄。第1章介紹了神經(jīng)網(wǎng)絡(luò)中所用到的數(shù)學(xué)思想。第2章介紹使用Python實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò),識(shí)別手寫數(shù)字,并測(cè)試神經(jīng)網(wǎng)絡(luò)的性能。第3章帶領(lǐng)讀者進(jìn)一步了解簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò),觀察已受訓(xùn)練的神經(jīng)網(wǎng)絡(luò)內(nèi)部,嘗試進(jìn)一步改善神經(jīng)網(wǎng)絡(luò)的性能,并加深對(duì)相關(guān)知識(shí)的理解。

5、《終極算法》

作者指出機(jī)器學(xué)習(xí)五大學(xué)派,每個(gè)學(xué)派都有自己的主算法,能幫助人們解決特定的問題。而如果整合所有這些算法的優(yōu)點(diǎn),就有可能找到一種“終極算法”,該算法可以獲得過去、現(xiàn)在和未來的所有知識(shí),這也必將創(chuàng)造新的人類文明。

6、《Python機(jī)器學(xué)習(xí)》

本書向讀者介紹了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,并向你展示了如何將書中的實(shí)例方法運(yùn)用于實(shí)際工作中,通過這本書你不僅可以了解了解數(shù)據(jù)科學(xué),機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的關(guān)鍵框架,還能學(xué)會(huì)使用TensorFlow庫(kù)掌握深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

7、《Learning From Data》

這本書是為機(jī)器學(xué)習(xí)的短期課程而設(shè)計(jì)的。它可以幫助打下一個(gè)良好的數(shù)據(jù)科學(xué)基礎(chǔ),書中很好地平衡了理論和實(shí)踐的占比。

8、《增強(qiáng)人類》

本書對(duì)人類的未來具有深刻的洞察力,鼓舞人心并且態(tài)度嚴(yán)謹(jǐn),是你想象和創(chuàng)造新現(xiàn)實(shí)的指南。對(duì)于想要了解新方向和下一步未來的人來說,這是一本必讀書籍。

9、《Machine Learning with Python 》

本書主要介紹如何使用Python和Scikit-learn庫(kù)開發(fā)成功的機(jī)器學(xué)習(xí)應(yīng)用程序,通過本書,你將學(xué)到機(jī)器學(xué)習(xí)相關(guān)的重要概念和實(shí)際應(yīng)用,最流行的機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)等

10、《MATLAB Deep Learning》

在這本書中,你從機(jī)器學(xué)習(xí)基礎(chǔ)開始,然后繼續(xù)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí),然后是卷積神經(jīng)網(wǎng)絡(luò)。全書使用使用MATLAB作為底層編程語言和工具,用于本書的示例和案例研究。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:美亞上最受歡迎的 10 本神經(jīng)網(wǎng)絡(luò)書籍

文章出處:【微信號(hào):TheBigData1024,微信公眾號(hào):人工智能與大數(shù)據(jù)技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    2025年北匯信息在電子發(fā)燒友的十大最受歡迎文章

    的廣泛關(guān)注,故整理了最受歡迎的十大文章,看看大家最關(guān)心的是哪些內(nèi)容。 2026年,歡迎大家多多交流和反饋,有什么感興趣的的汽車電子測(cè)試相關(guān)的內(nèi)容,我們會(huì)努力原創(chuàng),更多
    的頭像 發(fā)表于 12-29 14:39 ?318次閱讀
    2025年北匯信息在電子發(fā)燒友的十大<b class='flag-5'>最受歡迎</b>文章

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?336次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    【獲獎(jiǎng)名單】2025開發(fā)板評(píng)測(cè)大賽優(yōu)秀開發(fā)者、最受歡迎開發(fā)板公布

    試用測(cè)評(píng)后通過問卷調(diào)查投票,選出了各自心目中最受歡迎的開發(fā)板?,F(xiàn)將名單一同予以公示。 大賽作品詳情:【作品精選】2025電子發(fā)燒友開發(fā)板測(cè)評(píng)大賽作品合集! 優(yōu)秀作品開發(fā)者: 專題廠商試用板子用戶
    發(fā)表于 11-21 09:31

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    (q7_t) 和 16 位整數(shù) (q15_t)。 卷積神經(jīng)網(wǎng)絡(luò)示例: 示例中使用的 CNN 基于來自 Caffe 的 CIFAR-10 示例。神經(jīng)網(wǎng)絡(luò)由 3 個(gè)卷積層組成,中間散布
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    [投票評(píng)選]2025電子發(fā)燒友開發(fā)板測(cè)評(píng)大賽--最受歡迎開發(fā)板

    2025電子發(fā)燒友開發(fā)板測(cè)評(píng)大賽--最受歡迎開發(fā)板 大賽詳情: 電子發(fā)燒友攜手 16 家生態(tài)廠商發(fā)起開發(fā)板測(cè)評(píng)大賽,設(shè) OpenHarmony、RISC - V、Rockchip 三大賽道,共計(jì)
    發(fā)表于 10-13 16:25

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1234次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1133次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1230次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開
    的頭像 發(fā)表于 04-07 11:33 ?1197次閱讀

    【「芯片通識(shí)課:一本書讀懂芯片技術(shù)」閱讀體驗(yàn)】從deepseek看今天芯片發(fā)展

    的: 神經(jīng)網(wǎng)絡(luò)處理器(NPU)是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的電路系統(tǒng),是實(shí)現(xiàn)人工智能中神經(jīng)網(wǎng)絡(luò)計(jì)算的專用處理器,主要用于人工智能深度學(xué)習(xí)模型的加速訓(xùn)練。人工智能要模仿人腦的工作方式,首先就要用電路模仿人腦大量
    發(fā)表于 04-02 17:25