基于深度学习的网络安全态势评估方法 PDF 清晰版

大小：19.6 MB

类型：JavaScript

欢迎阅读本电子书《JavaScript深度学习》，这本书将带您深入探索JavaScript与深度学习的交汇点。通过高清完整的内容，您将了解如何利用JavaScript语言在深度学习领域进行开发和应用。无论您是初学者还是有经验的开发者，本书都会为您提供丰富的知识和实用的技巧，帮助您在JavaScript深度学习技术上不断进步。

大小：16.1 MB

类型：Python实战

编辑推荐 1.本书作者为华为大学特聘讲师，专注于数据分析、机器学习、深度学习方面，实战经验丰富，更能从实际需求出发，编写出适合读者的实用书。 2.本书涉及数据分析、机器学习、深度学习的相关知识。 3.本书含有详细的代码案例，帮助读者快速上手，进行项目开发。 4.本书内容丰富，流程完整，案例丰富，实操性强。 内容简介 本书基于Python语言，较为地讲解了数据分析、机器学习、深度学习的相关知识，涵盖统计学基础、Python基础、Python面

大小：92.5 MB

类型：人工智能

内容简介 随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理深度学习也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？ 本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富

大小：10.53 MB

类型：TensorFlow

内容简介 《 TensorFlow深度学习 》书分为五个方面：基础知识、关键模块、算法模型、内核揭秘、生态发展。在前两个方面，从简单到深入介绍了TensorFlow平台在算法模型方面，采用TensorFlow来解释深度学习模型在内核揭示方面，主要分析了C内核中的通信原理、消息管理机制等最后，从生态发展的角度，我们讲解了一套以TensorFlow为中心的开源大数据分析解决方案。 目录 第1章深度学习入门1 1.1机器学习简介1 1.1.1监督学习2 1.1.2无监督学习2 1.1.3强化学习3 1.2深

大小：58 MB

类型：Python

1.全方位解读深度学习五大主流与前沿技术； 2.理论与实战紧密结合，通过足够多的实际项目帮助读者； 3.知识全面，详解深度学习模型在计算机视觉、自然语言处理、金融、强化学习等众多领域的新进展和应用； 4.悉尼大学Basem Suleiman和Johan Alibasa以及伦敦大学玛丽女王学院Soren Riis等多位世界名校教师联袂推荐。 本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、

大小：41.55MB

类型：网络安全

计算机网络安全教程（第2版） 作者：石志国，薛为民，尹浩编著 清华大学 出版时间：2011-2-1 丛编项：高等学校计算机科学与技术教材

大小：83.84MB

类型：网络安全

安全远程网络投票协议 作者：孟博，王德军 著 出版时间：2013年版 《智能科学技术著作丛书：安全远程网络投票协议》全面介绍了对国内外远程安全控制模型、设计及其实现技术，主要内容包含：远程控制协议的分类和模型，紧密相关的密码学技术，最新的典型的远程控制协议，基于符号模型和计算模型的自动化/手工方式分析与验证远程控制协议安全性。 目录 序 前言 第1章 绪论 1．1 引言 1．2 投票的分类 1．2．1 按照票的介质进行分类 1．2．2 按照票

大小：45.42MB

类型：深度学习

深度学习实战 出版时间：2018 深度学习为人工智能带来了巨大突破，也成为机器学习领域一颗闪耀的新星。虽然相关学习资料丰富，但大部分内容较为庞杂且难以理解，并对初学者的相关理论知识与实践能力有较高的要求，这使得大部分想进入这一领域的初学者望而却步。本书去繁化简地对深度学习的理论知识进行了梳理，并对算法实现做出了浅显易懂的讲解，适合初学者进行学习。结合本书的内容，读者可以快速对深度学习进行实践。通过启发式的自

大小：32.35MB

类型：深度学习

21个项目玩转深度学习：基于TensorFlow的实践详解 出版时间：2018 《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。