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） 目录 前言 第一部分 Python及应用数学基础 第1章 NumPy常用操作 1.1 生成ndarray的几种方式 1.2 存取元素 1.3 矩阵操作 1.4 数据合并与展平 1.5 通用函数 1.6 广播机制 1.7 小结 第2章 Theano基础 2.1 安装 2.2 符号变量 2.3 符号计算图模型 2.4 函数 2.5 条件与循环 2.6 共享变量 2.7 小结 第3章 线性代数 3.1 标量、向量、矩阵和张量 3.2 矩阵和向量运算 3.3 特殊矩阵与向量 3.4 线性相关性及向量空间 3.5 范数 3.6 特征值分解 3.7 奇异值分解 3.8 迹运算 3.9 实例：用Python实现主成分分析 3.10 小结 第4章 概率与信息论 4.1 为何要学概率、信息论 4.2 样本空间与随机变量 4.3 概率分布 4.3.1 离散型随机变量 4.3.2 连续型随机变量 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 6.......