Deep_Learning_Uczenie_glebokie_z_jezykiem_Python_Sztuczna_inteligencja_i_sieci_neuronowe_deelea.pdf

(2199 KB) Pobierz
Tytuł oryginału: Python Deep Learning
Tłumaczenie: Radosław Meryk
ISBN: 978-83-283-4173-9
Copyright © Packt Publishing 2017.
First published in the English language under the title ‘Python Deep Learning
- (9781786464453)’
Polish edition copyright © 2018 by Helion SA
All rights reserved.
All rights reserved. No part of this book may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from the Publisher.
Wszelkie prawa zastrzeżone. Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej
publikacji w jakiejkolwiek postaci jest zabronione. Wykonywanie kopii metodą kserograficzną,
fotograficzną, a także kopiowanie książki na nośniku filmowym, magnetycznym lub innym powoduje
naruszenie praw autorskich niniejszej publikacji.
Wszystkie znaki występujące w tekście są zastrzeżonymi znakami firmowymi bądź towarowymi ich
właścicieli.
Autor oraz Wydawnictwo HELION dołożyli wszelkich starań, by zawarte w tej książce informacje były
kompletne i rzetelne. Nie biorą jednak żadnej odpowiedzialności ani za ich wykorzystanie, ani za związane
z tym ewentualne naruszenie praw patentowych lub autorskich. Autor oraz Wydawnictwo HELION
nie ponoszą również żadnej odpowiedzialności za ewentualne szkody wynikłe z wykorzystania informacji
zawartych w książce.
Wydawnictwo HELION
ul. Kościuszki 1c, 44-100 GLIWICE
tel. 32 231 22 19, 32 230 98 63
e-mail:
helion@helion.pl
WWW:
http://helion.pl
(księgarnia internetowa, katalog książek)
Pliki z przykładami omawianymi w książce można znaleźć pod adresem:
ftp://ftp.helion.pl/przyklady/deelea.zip
Drogi Czytelniku!
Jeżeli chcesz ocenić tę książkę, zajrzyj pod adres
http://helion.pl/user/opinie/deelea
Możesz tam wpisać swoje uwagi, spostrzeżenia, recenzję.
Printed in Poland.
•
Kup książkę
•
Poleć książkę
•
Oceń książkę
•
Księgarnia internetowa
•
Lubię to! » Nasza społeczność
Spis treści
O autorach
O recenzencie
Przedmowa
Co zawiera książka?
Co jest potrzebne podczas lektury tej książki?
Dla kogo jest ta książka?
Konwencje
Pobieranie przykładowego kodu
Pobieranie kolorowych ilustracji do tej książki
9
11
13
13
14
15
15
16
16
Rozdział 1. Uczenie maszynowe — wprowadzenie
Czym jest uczenie maszynowe?
Różne podejścia do uczenia maszynowego
Uczenie nadzorowane
Uczenie nienadzorowane
Uczenie przez wzmacnianie
Fazy systemów uczenia maszynowego
Krótki opis popularnych technik (algorytmów)
Zastosowania praktyczne
Popularny pakiet open source
Podsumowanie
17
18
19
19
22
23
24
28
40
42
48
Rozdział 2. Sieci neuronowe
Dlaczego sieci neuronowe?
Podstawy
Neurony i warstwy
Różne rodzaje funkcji aktywacji
Algorytm propagacji wstecznej
Zastosowania praktyczne
Przykład kodu sieci neuronowej dla funkcji XOR
Podsumowanie
49
50
51
52
56
61
68
70
75
Kup książkę
Poleć książkę
Spis treści
Rozdział 3. Podstawy uczenia głębokiego
Czym jest uczenie głębokie?
Podstawowe pojęcia
Uczenie się cech
Algorytmy uczenia głębokiego
Zastosowania uczenia głębokiego
Rozpoznawanie mowy
Rozpoznawanie i klasyfikacja obiektów
GPU kontra CPU
Popularne biblioteki open source — wprowadzenie
Theano
TensorFlow
Keras
Przykład implementacji głębokiej sieci neuronowej za pomocą biblioteki Keras
Podsumowanie
77
78
80
81
88
89
90
91
94
96
96
97
97
98
102
Rozdział 4. Nienadzorowane uczenie cech
Autoenkodery
Projekt sieci
Metody regularyzacji dla autoenkoderów
Autoenkodery — podsumowanie
Ograniczone maszyny Boltzmanna
Sieci Hopfielda a maszyny Boltzmanna
Maszyna Boltzmanna
Ograniczona maszyna Boltzmanna
Implementacja za pomocą biblioteki TensorFlow
Sieci DBN
Podsumowanie
105
107
110
113
117
119
121
123
125
126
130
132
Rozdział 5. Rozpoznawanie obrazów
Podobieństwa pomiędzy modelami sztucznymi a biologicznymi
Intuicja i uzasadnianie
Warstwy konwolucyjne
Parametry krok i wypełnienie w warstwach konwolucyjnych
Warstwy pooling
Dropout
Warstwy konwolucyjne w uczeniu głębokim
Warstwy konwolucyjne w bibliotece Theano
Przykład zastosowania warstwy konwolucyjnej
do rozpoznawania cyfr za pomocą biblioteki Keras
Przykład zastosowania warstwy konwolucyjnej
za pomocą biblioteki Keras dla zbioru danych CIFAR10
Szkolenie wstępne
Podsumowanie
135
136
137
138
144
145
147
147
148
150
153
155
156
4
Kup książkę
Poleć książkę
Spis treści
Rozdział 6. Rekurencyjne sieci neuronowe i modele języka
Rekurencyjne sieci neuronowe
RNN — jak implementować i trenować?
Długa pamięć krótkotrwała
Modelowanie języka
Modele na bazie słów
Modele bazujące na znakach
Rozpoznawanie mowy
Potok rozpoznawania mowy
Mowa jako dane wejściowe
Przetwarzanie wstępne
Model akustyczny
Dekodowanie
Modele od końca do końca
Podsumowanie
Bibliografia
159
160
162
168
171
171
176
183
183
184
185
186
189
190
190
190
Rozdział 7. Uczenie głębokie w grach planszowych
Pierwsze systemy AI grające w gry
Wykorzystanie algorytmu min-max do oceny stanów gry
Implementacja gry w kółko i krzyżyk w Pythonie
Uczenie funkcji wartości
Trenowanie systemu AI do uzyskania mistrzostwa w grze w Go
Zastosowanie górnych granic zaufania do drzew
Uczenie głębokie w algorytmie przeszukiwania drzewa Monte Carlo
Krótkie przypomnienie technik uczenia przez wzmacnianie
Metoda policy gradients w funkcjach strategii uczenia
Metoda policy gradients w AlphaGo
Podsumowanie
195
197
198
201
209
210
213
220
222
222
230
232
Rozdział 8. Uczenie głębokie w grach komputerowych
Techniki uczenia nadzorowanego w odniesieniu do gier
Zastosowanie algorytmów genetycznych do grania w gry komputerowe
Q-learning
Funkcja Q
Q-learning w akcji
Gry dynamiczne
Odtwarzanie doświadczeń
Epsilon zachłanny
Breakout na Atari
Losowy test gry w Breakout na Atari
Wstępne przetwarzanie ekranu
Tworzenie głębokiej sieci konwolucyjnej
Problemy zbieżności w technikach Q-learning
Technika policy gradients kontra Q-learning
235
235
237
238
240
241
246
250
253
254
255
257
259
263
265
5
Kup książkę
Poleć książkę

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin