机读格式显示(MARC)

• 000 01845nam 2200361 450

• 001 0000449388

• 005 20231222100900.0

• 010 __ |a 978-7-121-44799-0 |d CNY79.00

• 100 __ |a 20230218d2023 em y0chiy50 ea

• 101 1_ |a chi |c kor

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深度学习的几何学 |A shen du xue xi de ji he xue |e 信号处理视角 |f (韩) Jong Chul Ye著 |d = Geometry of deep learning |e a signal processing perspective |g 周浦城 ... [等] 译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2023

• 215 __ |a 244页 |c 图 |d 26cm

• 225 2_ |a 经典译丛 |A jing dian yi cong

• 300 __ |a 人工智能与智能系统

• 304 __ |a 题名页题: 周浦城, 黄启恒, 王粉梅, 吴素琴译

• 314 __ |a 责任者Jong Chul Ye规范汉译姓名: 芮钟喆

• 314 __ |a Jong Chul Ye, 于1999年获美国普渡大学博士学位, 现任韩国科学技术院生物与脑工程系教授和数学科学系兼职教授, 长期从事压缩感 知图像重建、信号处理和机器学习等研究。

• 320 __ |a 有书目 (第234-244页)

• 330 __ |a 本书分为三个部分, 共14章。第1-4章为第一部分, 主要介绍机器学习基础知识, 包括向量空间、矩阵代数、凸优化等数学预备知识, 以及支持向量机、核回归等经典机器学习技术; 第5-9章为第二部分, 主要介绍深度学习的构成要素, 包括人工神经网络与反向传播、卷积神经网络、图神经网络及归一化和注意力机制, 重点介绍这些模型背后的数学原理和几何解释; 第10-14章为第三部分, 主要介绍深度学习的高级主题, 包括深度神经网络几何学、深度学习优化与泛化能力, 以及生成模型与无监督学习。

• 410 _0 |1 2001 |a 经典译丛

• 510 1_ |a Geometry of deep learning |e a signal processing perspective |z eng

• 517 1_ |a 信号处理视角 |A xin hao chu li shi jiao

• 606 0_ |a 机器学习 |A ji qi xue xi |x 高等学校 |j 教材

• 690 __ |a TP181 |v 5

• 701 _0 |a 芮钟喆 |A rui zhong zhe |4 著

• 702 _0 |a 周浦城 |A zhou pu cheng |4 译

• 702 _0 |a 黄启恒 |A huang qi heng |4 译

• 801 _0 |a CN |b 湖北三新 |c 20230218

• 905 __ |a AUSTL |d TP181/R999