深度學習實踐指南 基於R語言 深度学习实践指南 基于R语言

[英] 尼格爾·劉易斯

立即出貨

買這商品的人也買了...

相關活動主題

20180802 %e6%9c%80%e6%96%b0%e5%88%b0%e8%b2%a8small

商品描述

深度學習的概念源於人工神經網絡的研究,它是機器學習中一種基於對數據進行表徵學習的方法。
本書是一本詳細的、實用的深度學習實踐指南。它共有8 章,詳細講解了深度神經網絡、Elman 神經網絡、Jordan 神經網絡、自編碼器、堆疊自編碼器、限制玻爾茲曼機的相關知識。本書並沒有詳細介紹那些深奧的數字公式,它旨在解釋深度學習模型是如何工作的,讓讀者學會如何構建成功的深度學習模型,並將其用於數據挖掘,從而讓讀者迅速地學以致用,可以用深度學習構建更智能的應用。
本書適合數據科學家、各領域的研究人員閱讀,也適合其他對深度學習感興趣的人士閱讀。

作者簡介

[英]尼格爾·劉易斯(ND Lewis)譯者:沙灜

尼格爾·劉易斯(ND Lewis)是一位數據科學和預測領域的講師、作者和研究者。他在華爾街和倫敦從事投資管理工作多年,編著了統計、數據科學和量化模型方面的數本圖書,並且在大學裡開設深度學習、機器學習和數據分析應用等方面的課程。

目錄大綱

第1章簡介1 
1.1什麼是深度學習2 
1.2深度學習解決什麼問題3 
1.3誰在使用深度學習4 
1.4神經網絡基礎6 
1.4.1神經元的角色(作用) 9 
1.4.2激活函數11 
1.4. 3神經網絡學習算法13 
1.5註釋16 

第2章深度神經網絡24 
2.1令人驚訝的對深度神經網絡的簡單剖析25 
2.2如何用60秒或更少的時間解釋清楚深度神經網絡26 
2.3 3個絕妙的使用深度神經網絡的途徑27 
2.3.1在有霧天氣增強能見度27 
2.3.2讓黑客和網絡犯罪分子吃些苦頭30 
2.3.3令人難以置信的收縮的圖像壓縮31 
2.4如何迅速逼近任意函數33 
2.5選擇多少個神經元38 
2.6選擇最佳神經網絡層數的常識40 
2.7提升深度神經網絡性能的3種方法41 
2.7.1用“dropout”方法來提高成功率41 
2.7.2如何從小批量(mini batching)中獲益44 
2.7.3提前終止(Early stopping)的簡單計劃45 
2.8用R以難以置信的簡單方法來構建深度神經網絡47
2.8.1構建深度神經網絡回歸模型的方法47 
2.8.2聰明人使用深度神經網絡回歸模型的技巧51 
2.8.3構建深度神經網絡分類器的藝術54 
2.8.4如何構建多響應變量模型61 
2.9註釋69 

第3章Elman神經網絡75 
3.1什麼是Elman神經網絡76 
3.2上下文層神經元的作用是什麼77 
3.3如何理解信息的流動77 
3.4如何用Elman神經網絡提升效果78 
3.5使用Elman神經網絡的4種妙招78 
3.5.1終極天氣預報模型79 
3.5.2如何迅速發現嚴重的故障79 
3.5.3提高水質量的創新性想法80 
3.5.4在股票證券市場如何實現一個“殺手級”應用80 
3.6構建Elman神經網絡的簡單方法81 
3.7如何加載工具包82 
3.8為什麼數據可視化是一門科學82 
3.9轉換數據的秘密85 
3.10如何估計模型88 
3.11創建理想的預測89 
3.12註釋90 

第4章Jordan神經網絡92 
4.1 Jordan神經網絡可以解決的3個問題93 
4.1.1風速預測的終極指南93 
4.1.2如何對蛋白質的相互 用分類93
4.1.3深度學習在西班牙語方面的應用94 
4.2 R語言Jordan神經網絡模型的基本要素94 
4.3尋找合適的包95 
4.4轉換數據的方法96 
4.5如何選擇訓練樣本98 
4.6用這個技巧來預估你的模型98 
4.7註釋100 

第5章自編碼器的秘密102 
5.1絕地控心術103 
5.2秘密揭曉104 
5.3可以直接檢驗的實用定義106 
5.4如何拯救巴西熱帶草原賽拉多(Cerrado) 106 
5.5需要了解的基本要素107 
5.6稀疏自編碼器的強大益處108 
5.7理解Kullback-Leibler距離108 
5.8對稀疏自編碼器的3個永恆的教訓109 
5.9好萊塢、生物統計學和稀疏自編碼器的混合109 
5.10如何利用R語言快速使用自編碼器111 
5.11在你自己的數據科學項目使用R語言116 
5.12註釋123 

第6章堆疊自編碼器簡介125 
6.1深度學習大師的秘密武器126 
6.2最佳睡眠時間127 
6.3不超過5分鐘就可以構建一個堆疊自編碼器130 
6.4什麼是去噪自編碼器131 
6.5隨機“調味劑” 132
6.6去噪自編碼器的兩個核心任務133 
6.7如何理解堆疊去噪自編碼器133 
6.8一個驚人的實際應用134 
6.8.1一個創新想法136 
6.8.2 Chen、Li、Yang是如何訓練他們的模型的138 
6.8.3如何避免塞壬的歌聲138 
6.8.4作者給讀者提出的一個挑戰140 
6.9用R語言構建去噪自編碼器的捷徑141 
6.10註釋146 

第7章限制玻爾茲曼機149 
7.1了解限制玻爾茲曼機的4個步驟149 
7.2能量函數和概率分佈的角色150 
7.3用一種華麗的方式來思考152 
7.4模型學習的目標153 
7.5像魔法一樣的訓練技巧153 
7.5.1技巧1 :美麗的遊戲153 
7.5.2技巧2:開啟限制玻爾茲曼機“王國”的鑰匙155 
7.5.3技巧3:如探囊取物般簡單地激活函數155 
7.5.4技巧4:對比散度算法的替代方法156 
7.6對深度學習的主要批評157 
7.7改變世界的兩個想法158 
7.7.1 “用拳頭猛擊癌症” 159 
7.7.2以華麗的方式助攻麻醉師161 
7.8用R語言構建限制玻爾茲曼 機的秘密164 
7.9註釋168 

第8章深度信念網絡173
8.1如何訓練一個深度信念網絡(DBM) 173 
8.1.1預訓練的關鍵要素174 
8.1.2精調的關鍵174 
8.2如何提供一個更好的呼叫等待經驗175 
8.3可以很容易模仿的世界一流的想法176 
8.4用R語言構建深度信念網絡的步驟179 
8.5註釋182