深度学习与R语言

本书特色

[

近年来，深度学习可谓是机器学习方向的明星概念，不同的深度学习模型分别在图像处理与自然语言处理等任务中取得了前所未有的好成绩。
在许多场合都有这样的需求“如何对感兴趣的领域快速理解和使用深度学习技术?”答案涉及复杂的数学、编程语言(如C、C 和Java)。但随着R的兴起,现在使用深度学习技术比以往更容易。因为R易学易用，不要求很扎实的编程基础，它被广泛地应用于机器学习实践和教学中。即使对R语言不是很了解的用户也可以通过一些包来搭建深度学习网络。
全书11章，分为原理篇（第1~8章）和应用篇（第9~11章）。原理篇按照深度学习的发展过程，主要讨论了浅层神经网络、深度神经网络、卷积神经网络、递归神经网络、自编码网络、受限玻耳兹曼机和深度置信网。应用篇讨论R环境部署深度学习环境的一些策略，包括：MXNetR、H2O和其他深度学习R包以及一些典型的应用。
本书可用作本科高年级机器学习课程参考书或数据科学课程教材，也可供对人工智能、机器学习感兴趣的读者参考阅读。

]

内容简介

[

如果您是大学教师，那就赶快加入深度学习行列，成为数据科学专业带头人。
如果您是企业IT工程师，这是你技术转型的良好时机，迅速迈入大数据时代。
如果您是刚毕业的大学生，本书为您成为数据分析师奠定基础。
如果您是在校学生，想尽快了解智能时代的核心技术，本书是您的一个选择。

]

目录

前言第1章引言1.1关于深度学习1.1.1深度学习兴起的渊源 1.1.2深度学习总体框架1.1.3深度学习本质1.1.4深度学习应用1.2前向反馈神经网络FNN1.2.1多层感知器1.2.2神经元的作用1.2.3激活函数1.2.4学习算法1.3R语言基础1.3.1入门1.3.2基本语法1.3.3数据1.3.4绘图1.3.5数据准备1.3.6基本运算1.4FNN的R实现1.5学习指南第2章深度神经网络DNN2.1DNN原理2.2DNN应用2.2.1提高雾天视觉能见度2.2.2打击黑客和网络犯罪2.2.3图像压缩2.2.4函数逼近2.3DNN应用需要注意的一些问题2.3.1神经元数量2.3.2*佳层数的选择2.3.3训练时间过长2.3.4过拟合2.4DNN应用技巧2.5单响应变量DNN的R实现 2.6多响应变量DNN的R实现2.7学习指南第3章卷积神经网络CNN3.1CNN原理3.1.1局部感知3.1.2权值共享3.1.3多卷积核3.1.4池化3.2多层卷积3.2.1ImageNet-2010网络结构3.2.2DeepID网络结构3.3CNN的R实现3.4学习指南第4章递归神经网络RNN4.1RNN原理4.2Elman网络4.2.1承接层神经元的作用4.2.2信息流动4.2.3Elman网络应用4.3Jordan网络4.3.1Jordan网络结构4.3.2Jordan网络应用4.4RNN的R实现4.5学习指南第5章自编码网络AE 5.1无监督学习过程5.2AE基本结构5.2.1降维问题5.2.2特征抽取5.3稀疏自动编码网络SAE5.3.1Kullback-Leibler散度5.3.2使用SAE注意事项5.4SAE的R实现5.5学习指南第6章堆栈自编码网络SA6.1SA原理6.2SA的R实现6.3降噪自编码网络DAE6.3.1随机掩蔽的椒盐噪声6.3.2DAE基本任务6.3.3标准化堆栈降噪自编码网络6.4DAE的R实现6.5学习指南 第7章受限玻耳兹曼机RBM7.1RBM原理7.1.1玻耳兹曼机的四类知识7.1.2能量和概率的作用7.1.3联合概率分布表示的自编码网络7.1.4模型学习的目标7.2训练技巧7.2.1技巧1：Gibbs采样7.2.2技巧2: *小化KL距离7.2.3技巧3：使用RLU激活函数7.2.4技巧4：模拟退火7.3对深度学习的质疑7.4RBM应用7.4.1肝癌分类的RBM7.4.2麻醉镇定作用预测的RBM7.5RBM的R实现7.6学习指南第8章深度置信网络DBN8.1DBN原理8.2应用案例8.3DBN的R实现8.4学习指南第9章MXNetR 9.1MXNet技术特性9.2MXNetR安装9.2.1安装MXNet基本需求9.2.2MXNet云设置9.2.3MXNet安装方法9.2.4MXNetR安装方法9.2.5常见的安装问题9.3MXNetR在深度学习中的应用9.3.1二分类模型9.3.2回归模型与自定义神经网络9.3.3手写数字竞赛9.3.4图像识别应用9.4学习指南第10章word2vec的R语言实现10.1word2vec词向量由来10.1.1统计语言模型10.1.2神经网络概率语言模型10.2word2vec——词向量特征提取模型10.2.1词向量10.2.2CBOW的分层网络结构——HCBOW10.2.3word2vec流程10.3word2vec 的R实现10.3.1tmcn.word2vec包10.3.2word2vec自编译函数10.3.3使用tmcn.word2vec和word2vec注意的问题10.4学习指南第11章R语言其他深度学习包 11.1darch包11.2Rdbn包11.2.1Rdbn原理11.2.2Rdbn安装11.2.3Rdbn应用11.3H2O 包11.3.1H2O原理11.3.2H2O应用11.4deepnet包11.5mbench包11.6AMORE包11.7学习指南附录附录A深度学习发展史 附录B深度学习的未来——GAN附录CR包分类参考文献后记

封面

书名:深度学习与R语言

作者:程显毅

页数:未知

定价:¥49.0

出版社:机械工业出版社

出版日期:2017-06-01

ISBN:9787111570738

PDF电子书大小:40MB 高清扫描完整版