PDF JPG
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 深度學習:使用Keras
  • 點閱:127
  • 譯自:Advanced deep learning with Keras
  • 作者: Rowel Atienza作 , CAVEDU教育團隊, 曾吉弘譯
  • 出版社:碁峰資訊
  • 出版年:2020[民109]
  • ISBN:9789865023218; 9789865025076
  • 格式:PDF,JPG
  • 附註:原紙本書ISBN: 9789865023218

本書將帶領您認識各種進階的深度學習技術,以及如何建立您專屬的劃時代AI。透過Keras完成各種實做專題,您會知道如何運用最新技術來建立高效率AI服務。
 
本書將會介紹MLP、CNN與RNN等神經網路,這些是諸多進階技術的基石。藉由本書,您可以了解如何運用Keras與Tensorflow來實作深度學習。本書也會帶領您深入探討深度神經網路架構,包括ResNet、DenseNet以及自動編碼器。
 
本書後半著眼於各種對抗生成網路(GAN),以及為什麼它們可以讓AI效能更上一層樓。實作變分編碼器(VAE)之後,您就能理解如何運用GAN與VAE強大的生成能力,並合成出讓人類信以為真的合成資料。最後介紹的是深度強化學習(DRL),例如深度Q學習與策略梯度方法等等,這些對於近年AI的發展上至關重要。

 
本書特色
 
.讓AI效能足以比美人類的各種尖端技術
.使用Keras實作各種進階深度學習模型
.各種進階技術的基石 - MLP、CNN與RNN
.深度神經網路 – ResNet與DenseNet
.自動編碼器與變分編碼器(VAE)
.生成對抗網路(GAN)與各種嶄新的AI技術
.抽離語義特徵GAN與跨域GAN
.深度強化學習(DRL)的理論與實作
.使用 OpenAI gym 建立符合業界標準的應用
.深度Q學習與策略梯度方法


作者介紹
 
Rowel Atienza
 
Dado and Maria Banatao學院的人工智慧講座教授。自從畢業於菲律賓大學之後,Rowel就深深著迷於各種智慧型機器人。Rowel的研究領域著眼於AI與電腦視覺。他的夢想是打造一台可以感知、理解與推理的機器。

  • CHAPTER 01 認識進階深度學習與 Keras(第1頁)
    • 為什麼 Keras 是最棒的深度學習函式庫?(第2頁)
    • 實作核心深度學習模型 – MLP、CNN 與 RNN(第5頁)
    • 多層感知器(MLP)(第6頁)
    • 卷積神經網路(CNN)(第24頁)
    • 循環神經網路(RNN)(第32頁)
    • 結論(第38頁)
    • 參考資料(第38頁)
  • CHAPTER 02 深度神經網路(第39頁)
    • Functional API(第40頁)
    • 深度殘差網路(ResNet)(第49頁)
    • ResNet v2(第58頁)
    • 密集連接卷積網路(DenseNet)(第62頁)
    • 結論(第68頁)
    • 參考資料(第68頁)
  • CHAPTER 03 自動編碼器(第71頁)
    • 自動編碼器的運作原理(第72頁)
    • 使用 Keras 來建置自動編碼器(第75頁)
    • 降噪自動編碼器(DAE)(第85頁)
    • 自動上色自動編碼器(第91頁)
    • 總結(第98頁)
    • 參考資料(第98頁)
  • CHAPTER 04 GAN 生成對抗網路(第99頁)
    • GAN 總覽(第99頁)
    • GAN 的運作原理(第100頁)
    • 使用 Keras 實作 GAN(第105頁)
    • 條件 GAN(第115頁)
    • 總結(第124頁)
    • 參考資料(第124頁)
  • CHAPTER 05 各種改良版 GAN(第127頁)
    • Wasserstein GAN(第128頁)
    • Least-squares GAN(LSGAN)(第145頁)
    • 輔助分類器 GAN(ACGAN)(第150頁)
    • 總結(第163頁)
    • 參考資料(第163頁)
  • CHAPTER 06 抽離語意特徵 GAN(第165頁)
    • 抽離語意特徵(第166頁)
    • InfoGAN(第168頁)
    • 使用 Kera 實作 InfoGAN(第171頁)
    • InfoGAN 的生成器輸出(第181頁)
    • StackedGAN(第183頁)
    • 使用 Keras 實作 StackedGAN(第185頁)
    • StackedGAN 的生成器輸出(第201頁)
    • 結論(第204頁)
    • 參考資料(第205頁)
  • CHAPTER 07 跨域 GAN(第207頁)
    • CycleGAN 運作原理(第208頁)
    • CycleGAN 的生成器輸出(第230頁)
    • 總結(第240頁)
    • 參考資料(第241頁)
  • CHAPTER 08 變分自動編碼器(第243頁)
    • VAE 的運作原理(第244頁)
    • 條件 VAE(CVAE)(第261頁)
    • β -VAE:具有抽離語意潛在特徵的 VAE(第270頁)
    • 結論(第274頁)
    • 參考資料(第274頁)
  • CHAPTER 09 深度強化學習(第277頁)
    • 強化學習(RL)的原理(第278頁)
    • 結論(第311頁)
    • 參考資料(第311頁)
  • CHAPTER 10 策略梯度方法(第313頁)
    • 策略梯度定理(第314頁)
    • Monte Carlo 策略梯度(REINFORCE)法(第317頁)
    • 總結(第348頁)
    • 參考資料(第349頁)
紙本書 NT$ 560
單本電子書
NT$ 560

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code