机读格式显示(MARC)

• 000 01887nam 2200337 450

• 001 0000213113

• 005 20250805110100.0

• 010 __ |a 978-7-115-66370-2 |d CNY188.00

• 100 __ |a 20250528d2025 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 001yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A shen du xue xi |e 基础与概念 |f 克里斯托弗·M.毕晓普 休·毕晓普著 |d = Deep learning |e fundamentals and concepts |f Christopher M. Bishop, Hugh Bishop |g 邹欣[等]译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2025.05

• 215 __ |a 12, 561页 |c 图 |d 26cm

• 225 2_ |a 深度学习系列 |A shen du xue xi xi lie

• 300 __ |a 异步图书

• 306 __ |a 由Springer Nature Switzerland AG授权出版

• 314 __ |a 克里斯托弗·M.毕晓普 (Christopher M. Bishop), 微软公司技术研究员、微软研究院科学智能中心 (MicrosoftResearch Al4Science) 负责人。休·毕晓普 (Hugh Bishop), Wayve公司 (伦敦一家基于端到端深度学习的自动驾驶公司) 应用科学家, 负责设计和训练深度神经网络。

• 320 __ |a 有书目 (第529-548页) 和索引

• 330 __ |a 本书共20章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域 (如医疗诊断、图像合成等) 产生的深远影响 ; 继而深入探讨支撑深度学习的数学原理, 包括概率、标准分布等 ; 在网络模型方面, 从单层网络逐步深入到多层网络、深度神经网络, 详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用, 同时涵盖卷积网络、Transformer等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析, 阐释其原理、算法流程及实际应用场景。

• 410 _0 |1 2001 |a 深度学习系列

• 510 1_ |a Deep learning |e fundamentals and concepts |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP18 |v 5

• 701 _1 |a 毕晓普 |A bi xiao pu |g (Bishop, Christopher M.) |4 著

• 701 _1 |a 毕晓普 |A bi xiao pu |g (Bishop, Hugh) |4 著

• 702 _0 |a 邹欣 |A zou xin |4 译

• 801 _0 |a CN |b 安徽时代 |c 20250724

• 905 __ |a AHLSL |d TP18/274