2005年电脑文化六新书

2005年电脑文化六新书

中华读书报

  年终了,我们挑选出关于电脑和网络文化的六本英文新书,供读者朋友参考。其中,讲搜索引擎巨头Google的两本,电脑史头面人物的传记两本,外加博客和网络游戏的文化分析各一,所写多为过去一年里最受公众瞩目的论题,因而也受到海外众多综合性报刊的关注。

  Google故事

    The Google Story

    大卫·怀斯(David Vise)、马克·马西德(Mark Malseed) 著,Dell,2005年11月

  本书副题是“解秘我们时代最热门的生意、媒体和技术之成功”。它以相当丰富的资料和研究,叙述了Google在短短数年内堪称世间奇迹的创业史,亦有技术解析和文化诊断,尤其是其民粹主义色彩——它的背景,源流,以及给整个互联网产业和文化所带来的革命性影响。

  搜索

    The Search

    约翰·巴特勒(John Battelle) 著,企鹅,2005年9月

  副题是“Google及其竞争者如何重写了商规并改变了我们的文化”。Google成了我们快速获取知识的门户,每天都有无以计数的人,通过它来满足欲望,缓解恐惧。它甚至在相当程度上改变了我们学习和写作的方式。作者是《连线》杂志的创办人,为此书采访了350余人。

  知道太多的人:图灵和电脑的发明

    The Man Who Knew Too Much: Alan Turing and the Invention of the Computer

    大卫·李维特(David Leavitt) 著,Norton,2005年11月

    “图灵机”是现代计算机的前身,作为它的发明人,阿兰·图灵是一个伟大的天才,却因其同性恋行为而饱受迫害,终于导致他的自杀。小说式的语言,引人入胜的叙述,好评甚多。

  偶像乔布斯:商业史上最漂亮的回马枪

    iCon:Steve Jobs,the Greatest Second Act in the History of Business

    杰弗里·扬(Jeffrey S.Young)、威廉·西蒙(William L.Simon) 著,约翰·威利,2005年6月

  被赶出自己一手创建的苹果公司十年后,史蒂夫·乔布斯卷土重来。此书是首部正式出版的乔布斯传记,却令后者大为震怒,一度与出版商反目。繁体中文版已用《i狂人贾伯斯》之名出版。

  博客!:这最新的媒体革命在如何改变着政治、商业和文化

    Blog!:How the Newest Media Revolution Is Changing Politics,Business,and Culture

    大卫·克莱恩(David Kline)、丹·伯斯坦(Dan Burstein)著,CDS Books,2005年10月

  无论是政治博客,还是消费者博客,在对抗更为强势的权力及其谎言和欺诈行为时,都表现出了异乎寻常的强大力量。

  人造世界:在线游戏的商业与文化

    Synthetic Worlds:The Business and Culture of Online Games

    爱德华·卡斯卓诺瓦(Edward Castronova)著,芝加哥大学出版社,2005年11月

  网络游戏已发展为庞大的暴利产业,各行各业的无数男女老幼沉迷其中。在游戏世界中,玩家建立了自己的社会、经济、货币、法律,乃至政府,现实和幻想之间的界限,正在变得日益模糊。

<script language="javascript" type="text/javascript"> try { showAd(3,0,1); } catch(ex){} </script>
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值