显示机读码

字段	字段内容
001 005 010 100 101 102 105 106 200 210 215 312 330 510 606 690 701 801 905	01h0466236 20230630110458.0 $a: 978-7-301-31347-3$d: CNY89.00 $a: 20200918d2020 em y0chiy50 ea $a: chi $a: CN$b: 110000 $a: ak z 000yy $a: r $a: 机器学习与深度学习算法基础$A: ji qi xue xi yu shen du xue xi suan fa ji chu$f: 贾壮编著 $a: 北京$c: 北京大学出版社$d: 2020 $a: 391页$c: 图$d: 26cm $a: 封面题英文并列题名：Machine learning deep learning $a: 本书共分为上下两篇，共18章其中第一篇为经典机器学习模型部分，主要讲解了常用的机器学习经典模型。第1章讲解线性回归和lasso回归，岭回归。第2章介绍SVM模型。第3章介绍逻辑斯蒂回归。第4章介绍决策树模型。第5章介绍k近邻算法。第6章介绍朴素贝叶斯模型。第7章介绍线性判别分析与主成分分析。第8章介绍流形学习。第9章介绍聚类算法。第10章介绍稀疏编码。第11章介绍T—SVM模型。第12章介绍集成算法与提升算法。第二篇为深度学习和神经网络部分，主要介绍了时下最流形和通用的一些模型。第13章介绍了感知机模型，并简述了深度学习和神经网络的相关脉络。第14章介绍了深度学习网络的相关组成部分。第15章介绍了CNN的基本原理。第16章介绍了RNN的基本原理。第17章介绍了GAN的基本原理。最后，在第18章对本书进行了总结。 $a: Machine learning deep learning$z: eng $a: 机器学习$x: 算法 $a: TP181$v: 5 $a: 贾壮$A: jia zhuang$4: 编著 $a: CN$b: 百万庄$c: 20200918 $a: BUPT$d: TP181$r: CNY89.00$e: J268

字段

字段内容

001
005
010
100
101
102
105
106
200
210
215
312
330
510
606
690
701
801
905

01h0466236
20230630110458.0
$a: 978-7-301-31347-3$d: CNY89.00
$a: 20200918d2020 em y0chiy50 ea
$a: chi
$a: CN$b: 110000
$a: ak z 000yy
$a: r
$a: 机器学习与深度学习算法基础$A: ji qi xue xi yu shen du xue xi suan fa ji chu$f: 贾壮编著
$a: 北京$c: 北京大学出版社$d: 2020
$a: 391页$c: 图$d: 26cm
$a: 封面题英文并列题名：Machine learning deep learning
$a: 本书共分为上下两篇，共18章其中第一篇为经典机器学习模型部分，主要讲解了常用的机器学习经典模型。第1章讲解线性回归和lasso回归，岭回归。第2章介绍SVM模型。第3章介绍逻辑斯蒂回归。第4章介绍决策树模型。第5章介绍k近邻算法。第6章介绍朴素贝叶斯模型。第7章介绍线性判别分析与主成分分析。第8章介绍流形学习。第9章介绍聚类算法。第10章介绍稀疏编码。第11章介绍T—SVM模型。第12章介绍集成算法与提升算法。第二篇为深度学习和神经网络部分，主要介绍了时下最流形和通用的一些模型。第13章介绍了感知机模型，并简述了深度学习和神经网络的相关脉络。第14章介绍了深度学习网络的相关组成部分。第15章介绍了CNN的基本原理。第16章介绍了RNN的基本原理。第17章介绍了GAN的基本原理。最后，在第18章对本书进行了总结。
$a: Machine learning deep learning$z: eng
$a: 机器学习$x: 算法
$a: TP181$v: 5
$a: 贾壮$A: jia zhuang$4: 编著
$a: CN$b: 百万庄$c: 20200918
$a: BUPT$d: TP181$r: CNY89.00$e: J268