机读格式显示(MARC)

• 000 01135nam0 2200241 450

• 001 0000624527

• 010 __ |a 978-7-111-56935-0 |d CNY35.00

• 092 __ |a CN |b 人天792-2706

• 100 __ |a 20170808d2017 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 人工智能中的深度结构学习 |f (加)尤舒亚·本吉奥著 |g 俞凯，吴科译

• 210 __ |a 北京 |c 机械工业出版社 |d 2017.08

• 215 __ |a 79页 |d 26cm

• 330 __ |a 理论结果表明，为了学习用于表示高层次的抽象(例如视觉、语言以及其他AI级别的任务)的复杂函数，我们需要深度结构。深度结构的组成包括了多层次的非线性操作，比如具有许多隐含层的神经网络，或者重用了许多子公式的复杂命题公式。搜索深度结构的参数空间是一件很困难的任务，但是最近提出的诸如用于深度信念网络等的学习算法，对于探索这类问题取得了显著的成功，在某些领域达到了最新的水平。本书讨论深度学习算法的方法和原理，尤其是那些被充分用作基石的单层模型的非监督学习算法例如受限玻尔兹曼机(RBM)，它用于构建深度信念网络等深度模型。

• 333 __ |a 人工智能研究者

• 690 __ |a TP18 |v 5

• 701 _0 |c (加) |a 尤舒亚·本吉奥 |4 著

• 702 _0 |a 俞凯 |4 译

• 702 _0 |a 吴科 |4 译

• 801 _0 |a CN |b 人天书店 |c 20170810