新書先讀：基于 Python 的概率深度學(xué)習(xí)

概率深度學(xué)習(xí)將概率論與神經(jīng)網(wǎng)絡(luò)結(jié)合起來，學(xué)習(xí)針對不同數(shù)據(jù)類型的正確分布來提高網(wǎng)絡(luò)的性能，并發(fā)現(xiàn)可以表述不確定性的貝葉斯變體以提高準(zhǔn)確性。

本書使用流行的深度學(xué)習(xí)框架，讓你輕松上手，并提供了易于應(yīng)用的實戰(zhàn)代碼。

1概要

本書主要講述基于 Python，Keras 和 TensorFlow 的概率框架的實用技術(shù)。你將學(xué)習(xí)構(gòu)建高性能的深度學(xué)習(xí)應(yīng)用程序，該應(yīng)用程序可以可靠地處理現(xiàn)實數(shù)據(jù)的噪聲和不確定性。

為什么要研究概率深度學(xué)習(xí)呢？現(xiàn)實世界充滿嘈雜和不確定性，概率深度學(xué)習(xí)模型捕獲了這種噪聲和不確定性，并將其融入了實際場景。這些技術(shù)對于自動駕駛汽車和科學(xué)測試至關(guān)重要，可幫助深度學(xué)習(xí)工程師評估結(jié)果的準(zhǔn)確性，發(fā)現(xiàn)錯誤并增進(jìn)他們對算法工作原理的理解。

2作者

• OliverDürr 是德國康斯坦茨應(yīng)用科技大學(xué)的教授。
• Beate Sick 在 ZHAW 擔(dān)任應(yīng)用統(tǒng)計主席，并在蘇黎世大學(xué)擔(dān)任研究員和講師。
• Elvis Murina 是一位數(shù)據(jù)科學(xué)家。

3目錄

第 1 部分 - 深度學(xué)習(xí)的基礎(chǔ)

• 1 概率深度學(xué)習(xí)導(dǎo)論

• 2 神經(jīng)網(wǎng)絡(luò)架構(gòu)

• 3 曲線擬合原理

第 2 部分 - 概率深度學(xué)習(xí)模型的最大似然方法

• 4 用似然法構(gòu)建損失函數(shù)

• 5 基于 TensorFlow 的概率深度學(xué)習(xí)模型

• 6 概率深度學(xué)習(xí)模型實戰(zhàn)

第 3 部分 - 概率深度學(xué)習(xí)模型的貝葉斯方法

• 7 貝葉斯學(xué)習(xí)

• 8 貝葉斯神經(jīng)網(wǎng)絡(luò)

電子書 pdf 免費下載鏈接：

https://cowtransfer.com/s/ecc9a1ddbc784f