.
chapter 01 深度學習的預先知識 1-1 線性代數 (Linear Algebra) 1-2 微積分 (Calculus) 1-3 最佳化理論 1-4 統計學 1-5 Python 程式語言介紹chapter 02 前饋式神經網路 2-1 感知機 2-2 多層感知機 2-3 深度前饋式神經網路 2-4 深度神經網路的梯度下降方式 2-5 過適化問題 (Overfitting Problem) 2-6 程式範例chapter 03 卷積神經網路 3-1 卷積神經網路架構 3-2 倒傳遞法進行參數更新 3-3 數值範例 3-4 殘差網路 3-5 程式範例chapter 04 遞迴式神經網路 4-1 遞迴式神經網路 4-2 序列學習 (Sequential Learning) 4-3 Elman 神經網路理論模型 4-4 長短期記憶 (Long Short-Term Memory, LSTM) 模型 4-5 Peephole 長短期記憶 (Peephole LSTM) 模型 4-6 GRU (Gated Recurrent Unit) 模型 4-7 雙向 LSTM (Bidirectional LSTM) 4-8 程式範例chapter 05 侷限型波茲曼模型、深度信念網路及自編碼器 5-1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM) 5-2 深度信念網路 (Deep Belief Networks, DBN) 5-3 自編碼器 (Autoencoders) 5-4 程式範例chapter 06 其他網路模型 6-1 自迴歸模型 (Autoregressive Models) 6-2 自生成模型 (Generative Models) 6-3 神經圖靈機 6-4 注意力模型 (Attention-based Models) 6-5 程式範例chapter 07 強化學習 7-1 馬可夫決策過程 7-2 Bellman 方程式 7-3 深度 Q- 網路 (Deep Q-Network, DQN) 7-4 政策梯度 (Policy gradients) 7-5 Advantage Actor-Critic (A2C) Methods 7-6 程式範例
AIOT與OpenCV實戰應用:Python、樹莓派、物聯網與機器視覺 Python+TensorFlow人工智慧、機器學習、大數據|超炫專案與完全實戰 區塊鏈智能合約與DApp實務應用
★本書範例請線上下載(下載方式請見書內說明)。