Python深度学习：基于TensorFlow

智能系统与技术丛书 Python深度学习：基于TensorFlow 吴茂贵 等著 ISBN：978-7-111-60972-8 本书纸版由机械工业出版社于2018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） 4.4 边缘概率 4.5 条件概率 4.6 条件概率的链式法则 4.7 独立性及条件独立性 4.8 期望、方差及协方差 4.9 贝叶斯定理 4.10 信息论 4.11 小结 第5章 概率图模型 5.1 为何要引入概率图 5.2 使用图描述模型结构 5.3 贝叶斯网络 5.3.1 隐马尔可夫模型简介 5.3.2 隐马尔可夫模型三要素 5.3.3 隐马尔可夫模型三个基本问题 5.3.4 隐马尔可夫模型简单实例 5.4 马尔可夫网络 5.4.1 马尔可夫随机场 5.4.2 条件随机场 5.4.3 实例：用Tensorflow实现条件随机场 5.5 小结 第二部分 深度学习理论与应用 第6章 机器学习基础 6.1 监督学习 6.1.1 线性模型 6.1.2 SVM 6.1.3 贝叶斯分类器 6.1.4 集成学习 6.2 无监督学习 6.2.1 主成分分析 6.2.2 k-means聚类 6.3 梯度下降与优化 6.3.1 梯度下降简介 6.3.2 梯度下降与数据集大小 6.3.3 传统梯度优化的不足 6.3.4 动量算法 6.3.5 自适应算法 18.6 小结 第19章 聊天机器人 19.1 聊天机器人原理 19.2 带注意力的框架 19.3 用TensorFlow实现聊天机器人 19.3.1 接口参数说明 19.3.2 训练模型 19.4 小结 第20章 人脸识别 20.1 人脸识别简介 20.2 项目概况 20.3 实施步骤 20.3.1 数据准备 20.3.2 预处理数据 20.3.3 训练模型 20.3.4 测试模型 20.4 小结 第三部分 扩展篇 第21章 强化学习基础 21.1 强化学习简介 21.2 强化学习常用算法 21.2.1 Q-Learning算法 21.2.2 Sarsa算法 21.2.3 DQN算法 21.3 小结 第22章 生成式对抗网络 22.1 GAN简介 22.2 GAN的改进版本 22.3 小结 前言 为什么写这本书 人工智能新时代学什么？我们知道，Python是人工智......