Мужские правила. Отношения, секс, психология Non-Bullshit Innovation Этой кнопке нужен текст
 
Наши проекты:
Вход для зарегистрированных пользователей
Регистрация нового пользователя
Каталог книг Новинки Анонсы Заказы / Корзина Рассылка Оплата и Доставка Контакты
Вы находитесь в разделе каталога:
• Библиотека Keras — инструмент глубокого обучения, Джулли А., Пал С.


Библиотека Keras — инструмент глубокого обучения
Библиотека Keras — инструмент глубокого обучения
Джулли А., Пал С.
Год выпуска: 2016
Изд-во: ДМК
ISBN: 978-5-97060-573-8
Переплёт: твердый
294 страниц
Цена: 1164.00 грн.
Есть в наличии
в корзину

Instant Purshare На 1 книгу
Отправка: "Новой Почтой" по понедельникам, средам и пятницам*
                Доставка курьером "Новой Почты" по Киеву - на день позже*
Книга "Библиотека Keras - инструмент глубокого обучения" представляет собой краткое, но обстоятельное введение в современные нейронные сети, искусственный интеллект и технологии глубокого обучения.

Рассмотрено более 20 работоспособных нейронных сетей, написанных на языке Python с использованием модульной библиотеки Keras, работающей поверх библиотек TensorFlow от Google или Theano от компании Lisa Lab. Описан функциональный API библиотеки Keras и возможности его расширения. Представлены алгоритмы обучения с учителем (простая линейная регрессия, классический многослойный перцептрон, глубокие сверточные сети), а также алгоритмы обучения без учителя - автокодировщики и порождающие сети. Дано введение в технологию глубокого обучения с подкреплением и ее применение к построению игр со встроенным искусственным интеллектом.

Книга "Библиотека Keras - инструмент глубокого обучения" предназначена для программистов и специалистов по анализу и обработке данных.



Оглавление книги "Библиотека Keras - инструмент глубокого обучения"




Об авторах........................................................................................................9
О рецензенте..................................................................................................12
Предисловие...................................................................................................13
Назначение.................................................................................... 13
Чем глубокое обучение отличается от машинного обучения
и искусственного интеллекта......................................................... 14
Краткое содержание книги............................................................. 16
Что необходимо для чтения книги.................................................. 17
На кого рассчитана эта книга......................................................... 17
Графические выделения................................................................ 17
Отзывы........................................................................................... 18
Поддержка клиентов...................................................................... 19
Загрузка кода примеров...............................................................................................................19
Загрузка цветных иллюстраций.................................................................................................20
Опечатки..............................................................................................................................................20
Нарушение авторских прав.........................................................................................................20
Вопросы......................................................................................... 21
Глава 1. Основы нейронных сетей..............................................................22
Перцептрон.................................................................................... 24
Первый пример кода с использованием Keras...................................................................24
Многослойный перцептрон - первый пример нейросети............... 25
Проблемы обучения перцептрона и их решение..............................................................26
Сигмоида.............................................................................................................................................27
Блок линейной ректификации...................................................................................................28
Функции активации........................................................................................................................28
Реальный пример - распознавание рукописных цифр.................... 29
Унитарное кодирование...............................................................................................................30
Определение простой нейронной сети в Keras..................................................................30
Прогон простой сети Keras и создание эталона для сравнения..................................34
Улучшение простой сети в Keras посредством добавления скрытых слоев...........35
Дальнейшее улучшение простой сети Keras с помощью прореживания.................38
Тестирование различных оптимизаторов в Keras..............................................................41
Увеличение числа периодов.......................................................................................................46
Управление скоростью обучения оптимизатора................................................................46
Увеличение числа нейронов в скрытых слоях....................................................................47
Увеличение размера пакета........................................................................................................48
Подведение итогов экспериментов по распознаванию рукописных цифр............49
Применение регуляризации для предотвращения переобучения.............................50
Настройка гиперпараметров......................................................................................................52
Предсказание выхода....................................................................................................................52
Практическое изложение алгоритма обратного распространения....52
В направлении глубокого обучения................................................ 54
Резюме.......................................................................................... 55
Глава 2. Установка Keras и описание API....................................................56
Установка Keras.............................................................................. 56
Шаг 1 - установка зависимостей...............................................................................................56
Шаг 2 - установка Theano............................................................................................................57
Шаг 3 - установка TensorFlow....................................................................................................57
Шаг 4 - установка Keras................................................................................................................58
Шаг 5 - проверка работоспособности Theano, TensorFlow и Keras............................58
Настройка Keras............................................................................. 59
Установка Keras в контейнер Docker............................................... 60
Установка Keras в Google Cloud ML................................................. 62
Установка Keras в Amazon AWS....................................................... 64
Установка Keras в Microsoft Azure................................................... 65
Keras API........................................................................................ 67
Введение в архитектуру Keras....................................................................................................68
Обзор готовых слоев нейронных сетей.................................................................................69
Обзор готовых функций активации.........................................................................................72
Обзор функций потерь..................................................................................................................72
Обзор показателей качества.......................................................................................................73
Обзор оптимизаторов....................................................................................................................73
Некоторые полезные операции................................................................................................73
Резюме.......................................................................................... 77
Глава 3. Глубокое обучение с применением сверточных сетей.............79
Глубокая сверточная нейронная сеть.............................................. 80
Локальные рецептивные поля...................................................................................................80
Разделяемые веса и смещения..................................................................................................81
Пулинговые слои..............................................................................................................................82
Промежуточные итоги...................................................................................................................83
Пример ГСНС - LeNet..................................................................... 83
Код LeNet в Keras.............................................................................................................................83
О силе глубокого обучения............................................................. 89
Распознавание изображений из набора CIFAR-10 с помощью
глубокого обучения........................................................................ 90
Повышение качества распознавания набора CIFAR-10 путем
углубления сети.................................................................................95
Повышение качества распознавания набора CIFAR-10 путем
пополнения данных........................................................................ 97
Предсказание на основе результатов обучения на наборе CIFAR-10.................... 100
Очень глубокие сверточные сети для распознавания больших
изображений................................................................................ 101
Распознавание кошек с помощью сети VGG-16............................................................... 102
Использование встроенного в Keras модуля VGG-16.................................................... 103
Использование готовых моделей глубокого обучения для выделения
признаков........................................................................................................................................ 104
Очень глубокая сеть inception-v3, применяемая для переноса обучения............ 105
Резюме........................................................................................ 108
Глава 4. Порождающие состязательные сети и WaveNet..................... 109
Что такое ПСС?............................................................................ 109
Некоторые приложения ПСС.................................................................................................... 111
Глубокие сверточные порождающие состязательные сети........... 114
Применение Keras adversarial для создания ПСС, .
подделывающей MNIST................................................................ 118
Применение Keras adversarial для создания ПСС, .
подделывающей CIFAR................................................................. 124
WaveNet - порождающая модель для обучения генерации звука....132
Резюме........................................................................................ 141
Глава 5. Погружения слов.......................................................................... 143
Распределенные представления.................................................. 144
word2vec...................................................................................... 145
Модель skip-грамм....................................................................................................................... 146
Модель CBOW................................................................................................................................. 150
Извлечение погружений word2vec из модели................................................................. 151
Сторонние реализации word2vec........................................................................................... 154
Введение в GloVe......................................................................... 158
Использование предобученных погружений................................. 159
Обучение погружений с нуля................................................................................................... 161
Настройка погружений на основе предобученной модели word2vec................... 165
Настройка погружений на основе предобученной модели GloVe........................... 169
Поиск погружений........................................................................................................................ 170
Резюме........................................................................................ 174
Глава 6. Рекуррентная нейронная сеть - РНС........................................ 176
Простые ячейки РНС.................................................................... 177
Простая РНС с применением Keras - порождение текста........................................... 179
Топологии РНС............................................................................. 184
Проблема исчезающего и взрывного градиента........................... 186
Долгая краткосрочная память - LSTM.......................................... 188
Пример LSTM - анализ эмоциональной окраски........................................................... 191
Вентильный рекуррентный блок - GRU......................................... 197
Пример GRU - частеречная разметка.................................................................................. 198
Двунаправленные РНС................................................................. 205
РНС с запоминанием состояния................................................... 206
Пример LSTM с запоминанием состояния - предсказание потребления
электричества................................................................................................................................. 206
Другие варианты РНС................................................................... 212
Резюме........................................................................................ 213
Глава 7. Дополнительные модели машинного обучения..................... 214
Функциональный API Keras........................................................... 215
Регрессионные сети..................................................................... 218
Пример регрессии - предсказание содержания бензола в воздухе...................... 218
Обучение без учителя - автокодировщики................................... 223
Пример автокодировщика - векторы предложений..................................................... 225
Композиция глубоких сетей.......................................................... 234
Пример - сеть с памятью для ответов на вопросы......................................................... 235
Расширение Keras........................................................................ 242
Пример - использование слоя lambda................................................................................ 242
Пример - построение пользовательского слоя нормировки..................................... 243
Порождающие модели................................................................. 247
Пример - глубокие сновидения............................................................................................. 248
Пример - перенос стиля............................................................................................................ 255
Резюме........................................................................................ 260
Глава 8. Искусственный интеллект играет в игры................................. 262
Обучение с подкреплением.......................................................... 263
Максимизация будущих вознаграждений.......................................................................... 264
Q-обучение...................................................................................................................................... 265
Глубокая Q-сеть как Q-функция.............................................................................................. 267
Баланс между исследованием и использованием.......................................................... 268
Воспроизведение опыта............................................................................................................ 269
Пример - глубокая Q-сеть для поимки мяча..................................................................... 269
Что дальше?................................................................................. 282
Резюме........................................................................................ 283
Заключение.................................................................................................. 285
Keras 2.0 - что нового................................................................... 286
Установка Keras 2.0...................................................................................................................... 287
Изменения API............................................................................................................................... 287

С этой книгой чаще всего покупают:
Машинное обучение с использованием библиотеки Н2О

Машинное обучение с использованием библиотеки Н2О

Кук Даррен
Год выпуска: 2016
Изд-во: ДМК
в корзину
На 1 книгу
 
Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными

Введение в машинное обучение с помощью Python. Руководство для специалистов по работе с данными

рекомендуем
Андреас Мюллер, Сара Гвидо
Год выпуска: 2017
Изд-во: Диалектика-Вильямс
в корзину
На 1 книгу
Цена: 825.00 грн. 
 
Цена: 1290.00 грн. 
Глубокое обучение на Python

Глубокое обучение на Python

Шолле Ф.
Год выпуска: 2018
Изд-во: Питер
в корзину
На 1 книгу
 
Python для сложных задач: наука о данных и машинное обучение

Python для сложных задач: наука о данных и машинное обучение

Дж. Вандер Плас
Год выпуска: 2016
Изд-во: Питер
в корзину
На 1 книгу
Цена: 593.00 грн. 
 
Цена: 858.00 грн. 
Python и машинное обучение

Python и машинное обучение

Рашка С.
Год выпуска: 2016
Изд-во: ДМК
в корзину
На 1 книгу
 
Глубокое обучение

Глубокое обучение

Гудфеллоу Я., Бенджио И., Курвилль А.
Год выпуска: 2018
Изд-во: ДМК
в корзину
На 1 книгу
Цена: 1685.00 грн. 
 
Цена: 2474.00 грн. 
Машинное обучение

Машинное обучение

Бринк Х., Ричардс Д., Феверолф М.
Год выпуска: 2016
Изд-во: Питер
в корзину
На 1 книгу
 
Машинное обучение (цветное издание)

Машинное обучение (цветное издание)

Флах П.
Год выпуска: 2016
Изд-во: ДМК
Временно отсутствует Оставить заявку
Цена: 728.00 грн. 
 
Цена: 1677.00 грн. 

Хотите оставить отзыв? У Вас возникли вопросы о книге "Библиотека Keras — инструмент глубокого обучения, Джулли А., Пал С." ? Пишите:

* Текст сообщения:
 
  Отправить
Поиск по каталогу
 поиск в аннотациях
Искать

Наші партнери:

Купить лодку РИБ  |  купить мотор Тохатсу  |  купить снаряжение JOBE Джоби  |  купить гидрокостюм  |  стеклопластик B2B  |  купить гребную лодку  |  ремонт катера  |  купить катер РИБ  |  купить лодку из стеклопластика  |  купить спасательный жилет  |  купить мотор Tohatsu  |  купить JOBE Джоби  |  купить лодочный мотор  | 

 * Подробнее об условиях доставки смотрите в разделе "Оплата и Доставка" нашего магазина.
Если у Вас возникли вопросы как подобрать и купить книги в нашем интернет-магазине звоните с 10 до 18 по будним дням: Водафон (050) 809-56-66, Киевстар (067) 408-26-36 или пишите нам

 
   
  Programming - Dmitriy Kotov & Andrey Kotov