前言
第一部分 深度學(xué)習(xí)基礎(chǔ)
第1章 深度學(xué)習(xí)架構(gòu)與技術(shù)
1．1 R語(yǔ)言實(shí)現(xiàn)的深度學(xué)習(xí)
1．1．1 深度學(xué)習(xí)發(fā)展趨勢(shì)
1．1．2 R軟件包的版本
1．2 深度學(xué)習(xí)網(wǎng)絡(luò)模型的開(kāi)發(fā)過(guò)程
1．2．1 為深度學(xué)習(xí)網(wǎng)絡(luò)模型準(zhǔn)備數(shù)據(jù)
1．2．2 開(kāi)發(fā)模型架構(gòu)
1．2．3 編譯模型
1．2．4 擬合模型
1．2．5 評(píng)估模型性能
1．3 R語(yǔ)言和RStudio實(shí)現(xiàn)的深度學(xué)習(xí)技術(shù)
1．3．1 多類分類問(wèn)題
1．3．2 回歸問(wèn)題
1．3．3 圖像分類
1．3．4 卷積神經(jīng)網(wǎng)絡(luò)
1．3．5 自編碼器
1．3．6 遷移學(xué)習(xí)
1．3．7 生成對(duì)抗網(wǎng)絡(luò)
1．3．8 文本分類的深度學(xué)習(xí)網(wǎng)絡(luò)
1．3．9 循環(huán)神經(jīng)網(wǎng)絡(luò)
1．3．10 長(zhǎng)短期記憶網(wǎng)絡(luò)
1．3．11 卷積循環(huán)網(wǎng)絡(luò)
1．3．12 提示、技巧和最佳實(shí)踐
1．4 本章小結(jié)
第二部分 預(yù)測(cè)與分類問(wèn)題的深度學(xué)習(xí)
第2章 多類分類問(wèn)題的深度神經(jīng)網(wǎng)絡(luò)
2．1 胎兒心電圖數(shù)據(jù)集
2．1．1 醫(yī)學(xué)數(shù)據(jù)集
2．1．2 數(shù)據(jù)集分類
2．2 建模數(shù)據(jù)準(zhǔn)備
2．2．1 數(shù)值型變量的歸一化
2．2．2 數(shù)據(jù)分割
2．2．3 獨(dú)熱編碼
2．3 深度神經(jīng)網(wǎng)絡(luò)模型的創(chuàng)建與擬合
2．3．1 模型架構(gòu)開(kāi)發(fā)
2．3．2 模型編譯
2．3．3 模型擬合
2．4 模型評(píng)價(jià)和預(yù)測(cè)
2．4．1 損失函數(shù)與準(zhǔn)確率計(jì)算
2．4．2 混淆矩陣
2．5 性能優(yōu)化提示與最佳實(shí)踐
2．5．1 增加隱藏層的實(shí)驗(yàn)
2．5．2 隱藏層增加單元數(shù)量的實(shí)驗(yàn)
2．5．3 多單元多層網(wǎng)絡(luò)的實(shí)驗(yàn)
2．5．4 分類不平衡問(wèn)題的實(shí)驗(yàn)
2．5．5 模型的保存與重新上載
2．6 本章小結(jié)
……
第三部分 面向計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)
第四部分 自然語(yǔ)言處理問(wèn)題的深度學(xué)習(xí)
第五部分 未來(lái)展望