深度学习：原理与概念
A

深度学习：原理与概念

神经网络
deep learning neural networks machine learning probability theory Bayesian inference Gaussian distribution model regularization
作者
克里斯托弗·M·毕晓普，休·毕晓普
出版社
DMK Press
年份
2025
语言
俄语
213
评价本书

阅读本书 登录 / 注册

预览片段

相似书籍

从实践者角度看深度学习

从实践者角度看深度学习

乔什·帕特森，亚当·吉布森

无需数学的深度学习。第1卷：基础

无需数学的深度学习。第1卷：基础

安德鲁·格拉斯纳

贝叶斯感知与行动模型。对大脑工作原理的现代视角

贝叶斯感知与行动模型。对大脑工作原理的现代视角

韦基马、康拉德·科尔丁、丹尼尔·戈尔德赖希

概率机器学习：导论

概率机器学习：导论

凯文·P·墨菲

无需多言的机器学习

无需多言的机器学习

安德烈·布尔科夫

机器学习。从数据中提取知识的科学与艺术。

机器学习。从数据中提取知识的科学与艺术。

彼得·弗拉赫 (Peter Flach)

回归分析：理论与实践。使用R和Stan的示例

回归分析：理论与实践。使用R和Stan的示例

安德鲁·格尔曼，詹妮弗·希尔，阿基·韦赫塔里

概率机器学习。附加主题：基础与推断

概率机器学习。附加主题：基础与推断

凯文·P·墨菲

生物学与医学中的深度学习

生物学与医学中的深度学习

巴拉特·拉姆桑达尔，彼得·伊斯特曼，帕特里克·沃尔特斯，维贾伊·潘德

Python贝叶斯分析：使用PyMC3和ArviZ进行统计建模与概率编程入门

Python贝叶斯分析：使用PyMC3和ArviZ进行统计建模与概率编程入门

奥斯瓦尔多·马丁