導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
18.226.34.197
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 深度生成模型 的原始碼
←
深度生成模型
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/14030894/787b0c62c94fd5e4_s.jpg width="260"></center> <small>[https://book.kongfz.com/508937/7223053301 来自 孔夫子网 的图片]</small> |} 《'''深度生成模型'''》,[波兰] Jakub M.Tomczak 著,王冠 译,出版社: 电子工业出版社。 电子工业出版社成立于1982年10月,是工业和信息化部直属的[[科技]]与教育出版社,每年出版新书2400余种,音像和电子出版物400余种,期刊8种,出版物内容涵盖了信息科技的各个专业分支以及工业技术、经济管理、大众生活、少儿[[科普]]<ref>[https://www.douban.com/group/topic/116170316/ 100部科普经典名著],豆瓣,2018-04-26</ref>等领域,综合出版能力位居全国出版行业前列<ref>[https://www.phei.com.cn/module/wap/about.jsp 关于我们],电子工业出版社</ref>。 ==内容简介== 构建通用人工智能的关键就是无监督学习,不需要标签来训练模型,最简单的方法就是使用深度生成模型。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的 AI 系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型,包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以 ChatGPT 为代表的大语言模型,以及以 Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。 本书适合具备微积分、线性代数、[[概率]]论等大学本科水平,并且了解机器学习、Python 及PyTorch 等深度学习框架的学生、工程师和研究人员阅读。无论读者的背景如何,只要对深度生成模型有兴趣,都能从本书中获益。 ==作者介绍== Jakub M. Tomczak:阿姆斯特丹自由大学计算智能小组的人工智能助理教授、弗罗茨瓦夫理工大学机器学习博士,曾在阿姆斯特丹高通人工智能研究公司担任深度学习研究员(员工工程师),以及玛丽斯克洛多夫斯卡-居里教授的个人研究员。研究兴趣包括概率建模、深度学习、近似贝叶斯建模和深度生成建模(特别关注变分自动编码器和基于流的模型)。 王冠,[[北京大学]]物理及计算机学士,香港科技大学物理研究型硕士,谷歌机器学习开发者专家,先后在多个学术和工业研究实验室从事机器学习、计算机视觉和自然语言处理的研发,并在保险行业应用人工智能方面有多年的经验,《Rasa实战:构建开源对话机器人》作者,发表了数篇相关领域的学术论文,拥有多项工业专利。他还是一位活跃的技术博主和开源社区贡献者,在GitHub上的开源项目获得了超过12,000个星标。 ==参考文献== [[Category:040 類書總論;百科全書總論]]
返回「
深度生成模型
」頁面