深度学习 java_深度学习Java语言实现 PDF 下载

相关截图：

资料简介：

本书是一本实战型的深度学习和机器学习宝典，十分适合Java的深度学习入门者。本书涵盖了深度学习的主要成熟算法，一步步地剖析算法背后的数学原理，并提供大量通俗易懂的代码加以说明。同时，为了能更好地指导实践，作者生动地阐述了很多宝贵的工程经验和技术直觉。最后，本书介绍了该领域*的研究和应用成果，还包括一些实用的网络资源及研究方法。总之，本书值得深度学习爱好者细细品味。 人工智能以及深度学习正在改变着人们对软件的理解，正使得计算机更加智能。深度学习算法应用非常广泛，远远超出数据科学的范畴。本书首先介绍了一些机器学习算法的基础，随后就带领你一个引人胜的机器智能的世界。你将领略到各种神经网络的魅力及挑战。我们将使用基于DL4J的Java库，一起攻克图像处理、语音识别和自然语言处理等各种问题。同时，你也会触到当今重要的其他发平台，如Theano、TensorFlow和Caffe。通过本书的学习，你将具备用Java攻克深度学习问题的能力，并为这个领域贡献自己的力量。

资料目录：

译者序

前言

本书内容

本书的使用要求

目标读者

下载示例代码

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

6.1.2 自然语言处理

6.2 深度学习的挑战

6.3 最大化深度学习概率和能力的方法

6.3.1 面向领域的方法

6.3.2 面向分解的方法

6.3.3 面向输出的方法

6.4 小结

第7章 其他重要的深度学习库

7.1 Theano

7.2 TensorFlow

7.3 Caffe

7.4 小结

第8章 未来展望

8.1 深度学习的爆炸新闻

8.2 下一步的展望

8.3 对深度学习有用的新闻资源

8.4 小结