深度学习：Java语言实现

智能系统与技术丛书 深度学习：Java语言实现 Java Deep Learning Essentials （日）巣笼悠辅 著 陈澎 王磊 陆明 译 ISBN：978-7-111-57298-5 本书纸版由机械工业出版社于2017年出版，电子版由华章分社（北京华 章图文信息有限公司，北京奥维博世图书发行有限公司）全球范围内制 作与发行。 版权所有，侵权必究 客服热线：+ 86-10-68995265 客服信箱：service@bbbvip.com 官方网址：www.hzmedia.com.cn 新浪微博 @华章数媒 微信公众号 华章电子书（微信号：hzebook） 目录 译者序 前言 第1章 深度学习概述 1.1 人工智能的变迁 1.1.1 人工智能的定义 1.1.2 人工智能曾经的辉煌 1.1.3 机器学习的演化 1.1.4 机器学习的局限性 1.2 人与机器的区分因素 1.3 人工智能与深度学习 1.4 小结 第2章 机器学习算法——为深度学习做准备 2.1 入门 2.2 机器学习中的训练需求 2.3 监督学习和无监督学习 2.3.1 支持向量机 2.3.2 隐马尔可夫模型 2.3.3 神经网络 2.3.4 逻辑回归 2.3.5 增强学习 2.4 机器学习应用流程 2.5 神经网络的理论和算法 2.5.1 单层感知器 2.5.2 逻辑回归 2.5.3 多类逻辑回归 2.5.4 多层感知器 2.6 小结 第3章 深度信念网络与栈式去噪自编码器 3.1 神经网络的没落 3.2 神经网络的复兴 3.2.1 深度学习的进化——突破是什么 3.2.2 预训练的深度学习 3.3 深度学习算法 3.3.1 限制玻尔兹曼机 3.3.2 深度信念网络 3.3.3 去噪自编码器 3.3.4 栈式去噪自编码器 3.4 小结 第4章 dropout和卷积神经网络 4.1 没有预训练的深度学习算法 4.2 dropout 4.3 卷积神经网络 4.3.1 卷积 4.3.2 池化 4.3.3 公式和实现 4.4 小结 第5章 探索Java深度学习库——DL4J、ND4J以及其他 5.1 从零实现与使用库/框架 5.2 DL4J和ND4J的介绍 5.3 使用ND4J实现 5.4 使用DL4J实现 5.4.1 设置 5.4.2 构建 5.4.3 CNNMnistExample.java/LenetMnistExample.java 5.4.4 学习速率的优化 5.5 小结 第6章 实践应用——递归神经网络等 6.1 深度学习热点 6.1.1 图像识别 6.1.......