0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 自动化 > 基于深度学习的社会信息挖掘应用实例分析

相同作者的商品

相同语种的商品

销售排行榜

浏览历史

基于深度学习的社会信息挖掘应用实例分析


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
基于深度学习的社会信息挖掘应用实例分析
  • 书号：9787030656698
    作者：梁循
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：153
    字数：206000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2020-08-01
  • 所属分类：
  • 定价： ￥99.00元
    售价： ￥99.00元
  • 图书介质:
    按需印刷

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书综合了大量国内外的最新资料和作者的研究成果，以应用实践中的若干问题为研究对象，探索了基于深度神经网络的分析和建模过程，列举了深度神经网络在若干社会信息挖掘的应用；以最新资料案例为例进行社会信息分析和模型构建，给出了实践指导策略；给出了不同机器学习方法的特点与适用场景，并以实际应用场景为例，分析了深度学习的应用。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论 1
    1.1 人工智能 1
    1.2 机器学习 6
    1.3 深度学习 10
    第2章 神经网络 14
    2.1 神经元 14
    2.2 损失函数 15
    2.3 激活函数 16
    2.4 参数学习 19
    2.5 梯度下降法 20
    2.6 全连接神经网络 24
    2.7 BP神经网络 25
    2.8 优化方案 28
    2.9 注意力机制 31
    2.10 本章小结 32
    第3章 深度神经网络 33
    3.1 卷积神经网络 33
    3.2 简单循环神经网络 34
    3.3 深层循环神经网络 36
    3.4 本章小结 37
    第4章 基于启发知识的学习方法 38
    4.1 兄弟学习 38
    4.2 顿悟学习 40
    4.3 本章小结 43
    第5章 极限学习机 44
    5.1 引言 44
    5.2 最小二乘拟和及Moore-Penrose广义逆 45
    5.3 标准SLFN数学模型 48
    5.4 ELM学习算法 50
    5.5 ELM的特征映射和特征空间 53
    5.6 ELM、RVFL及其一般化结构 56
    5.7 ELM的理论基础 58
    5.8 本章小结 61
    第6章 基于深度学习的网站智能信息挖掘 62
    6.1 引言 62
    6.2 网站信息的计算机自动获取 63
    6.3 基于深度学习的网站相似度研究 64
    6.4 网站内容丰富度研究 67
    6.5 面向任务的兴趣推送 69
    6.6 本章小结 71
    第7章 基于卷积神经网络的甲骨文异体字识别 72
    7.1 引言 72
    7.2 相关研究 74
    7.3 符号定义及概念 76
    7.4 甲骨文异体字识别方法 76
    7.5 实验及分析 85
    7.6 总结与展望 92
    第8章 基于LSTM 的小说情节高潮识别 94
    8.1 引言 94
    8.2 相关概念 96
    8.3 情节高潮识别方法 100
    8.4 算法实现 102
    8.5 实验及分析 104
    8.6 总结与展望 110
    第9章 大规模复杂异质图动态的构建 111
    9.1 引言 111
    9.2 大规模复杂异质图举例 112
    9.3 国内外现状及发展动态 115
    9.4 大规模复杂异质图学习的研究内容 121
    9.5 本章小结 123
    第10章 基于深度学习的大规模复杂异质图动态分析 124
    10.1 复杂异质动态图数据的采集与存储管理 124
    10.2 复杂异质动态图的构建与表示 125
    10.3 动态图的演变模式分析 127
    10.4 大规模复杂异质图动态变化的优化 129
    10.5 大规模复杂异质图学习的实现 130
    10.6 大规模复杂异质图学习算法 135
    10.7 本章小结 140
    参考文献 141
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com