多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《深度学习与R语言》_1
《深度学习与R语言》_2
《深度学习与R语言》_3
内容简介：
深度学习与R语
程显毅施佺编著
机械工业出版社
近年来,深度学习可谓是机器学习方向的明星概念,不同的深度学习模型分别在
图像处理与自然语言处理等任务中取得了前所未有的好成绩。
在许多场合都有这样的需求“如何对感兴趣的领域快速理解和使用深度学习技
术?”答案涉及复杂的数学、编程语言(如C、C++和Java)。但随着R的兴起,现
在使用深度学习技术比以往更容易。因为R易学易用,不要求很扎实的编程基础,它
被广泛地应用于机器学习实践和教学中。即使对R语言不是很了解的用户也可以通过
一些包来搭建深度学习网络。
全书11章,分为原理篇(第1~8章)和应用篇(第9~11章)
度学习的发展过程,主要讨论了浅层神经网络、深度神经网络、卷积神
神经网络、自编码网络、受限玻耳兹曼机和深度置信网。应用篇讨论R
署深度
学习环境的一些策略,包括: MXNetR、H20和其他深度学习R包以及一些典型的
本书可用作本科高年级机器学习课程参考书或数据科学课程教材,也可供对人工
智能、机器学习感兴趣的读者参考阅读
图书在版编目(CP)数据
深度学习与R语言/程显毅,施佺编著.一北京:机械工业出版社,2017.6
1.①深…Ⅱ.①程…②施…Ⅲ.①学习(人工智能)②程序语言-程序
设计Ⅳ.①TP18.②TP312
中guo版本图书馆CP数据核字(2017)第125518号
机械工业出版社(北京市百万庄大街22号邮政编码100070)
策划编辑:汤枫
任编辑:汤枫
责任校对:张艳霞责任印制 i飞
北京振兴源印务有限公司印刷
2017年6月第1版·第1次印刷
184mmx260mm:13.5印张·318千字
001-3000册
标准书号:IBN978-7-111-57073-8
定价:49.00元
凡购本书,如有缺页、倒页、脱页,由本社发行部调换
电话服务
网络服务
服务咨询热线 010)88361066机工官网:w. mbook
读者购书热线010)68326294机工官博: weibo. com/cmpl9
(010)88379203教育服务网
封面无防伪标均为盗版
金书网
golden-book.com
前言
深度学习是机器学习领域一个新的研究方向,近年来在语音识别、计算机视觉
等多类应用中取得突破性的进展,其动机在于建立模型模拟人类大脑的神经连接结
构,进而给出数据的解释
深度学习之所以被称为“深度”,是相对支持向量机( Support Vector Machine
sVM)、提升方法( Boosting)、最大熵方法等“浅层学习”方法而言的。浅层学习依
靠人工经验抽取样本特征,网络模型学习后获得的是没有层次结构的单层特征;而
度学习通过对原始信号进行逐层特征变换,将样本在原空间的特征表示变换到新
的特征空间,自动地学习得到层次化的特征表示,从而更有利于分类或特征的可
视化
本书的目的是把强大的深度学习技术传递到想实践深度学习的读者手中,而不
是让读者理解深度学习的理论细节。因此,内容重点是数据分析和建模,注意力完
全集中在能有效工作的深度学习技术、理念和策略上,这样可以用最少的时间快速
消化和部署深度学习应用。
本书具有以下特点
1)让读者清楚如何在R中使用深度学习。书中给出了大量的深度学习应用案
例,这些例子可以直接输入到R环境中运行,指导读者一步一步构建和部署深度学
习模型
2)深度学习不需要很深的数学基础作为前提。无论你是谁?无论你来自哪里?
无论你的受教育背景如何?都有能力使用这本书中论述的方法
3)每一章都提供了进一步学习的详细参考资料,并且大部分是免费的
图的上半部分给出了本书的学习路线,第1、5、7章相对独立,是学习深度神
经网络的基础,虚线表示分类,实线表示
核心是第3、4、8章,每一章下面
的英文表示依赖的R包。图的下半部分是深度学习R包与各章的关系
本书主要参考了N.D. Lewis所著的《 Deep Learning Made Easy with R-AGen
tle Introduction for Data Science》,在此表示感谢。感谢研究生谢璐、Hu海涛、周春
瑜、姚泽峰和沈佳杰在材料整理方面所做的工作。感谢Hu彬、Chen晓勇、Li跃华老师
[[吗
RSNNS
autoencoder
Robe
autoencoder
darch
ReppDL
tmen wordzvee
图深度学习R包与各章的关系
对本书提出的宝贵意见。
本书的出版得到南通大学-南通智能信息技术联合研究中心开放课题项目的资
助和南通大学学术著作出版基金资助
深度学习领域发展迅猛,对许多问题作者并未做深人研究,一些有价值的新内
容也来不及收入本书。加上作者知识水平和实践经验有限,书中难免存在不足之处
敬请读者批评指正
Ⅳ
目录
前言
第1章引言
1.1关于深度学习
1.1.1深度学习兴起的渊源
1.1.2深度学习总体框架
1.1.3深度学习本质
1.1.4深度学习应用
1.2前向反馈神经网络FN
1.2.1多层感知器
1.2.2神经元的作用
1.2.3激活函数
2.4学习算法…
1.3R语言基础
1.3.1人门…
1.3.2基本语法…
3.3数据
1.3.6基本运算
1.4FNN的R实现
1.5学习指南
2章深度神经网络DNN
2.2DNN应用
2.2.1提高雾天视觉能见度
2.2.2打击黑.客和网络犯罪…
|
|
