深度學習演算法的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

深度學習：邁向Meta Learning

為了解決深度學習演算法的問題，作者葫蘆娃 這樣論述：

　　► The Quest for Deep Learning & Meta Learning 　　► 常常看到、聽到卻不知道如何入手 　　► 最徹底、最過癮的深度學習理論基礎大公開 　　► 有趣、有用、有深度 　　► 讓28個矽谷資深AI大師把最重要的100道面試題說清楚、講明白 本書特色 　　Hulu是矽谷著名串流影音的平台，在廣告投放效果上甚至超越著名的NetFlix。一群來自於Hulu的AI大師，作者智商總和最高，畢業於史丹佛、北大、北京清華等名校，聯手完成了深度學習史上最重要的100個問題。這些問題是對原來已經了解深度學習的高手們可說是做一個總整理。但

對剛入門的新手來說也是一本有趣、有用、有深度，極具價值的參考書。 專家重磅推薦 　　本書是諸葛越博士及其團隊再次將電腦科學與具體應用相結合推出的一本工具書。如何在實踐應用中結合深度學習的演算法和模型，本書提供了一些借鑒，相信電腦的從業者和非電腦專業的工程人員都能從中受益匪淺。 　　吳軍 /《浪潮之巔》、《數學之美》作者 　　近十年來深度學習引發了人工智慧相關領域的突飛猛進，落地應用層出不窮。本書由多位Hulu演算法研究員編寫，對深度學習核心概念、演算法模型、企業應用等方面都有精要介紹，更難能可貴的是通過類似面試問答的形式展開，有易有難，非常適合有志於加入人工智慧領域的開發人員或相關的從業

人員參考使用。 　　華先勝 / 阿里巴巴達摩院人工智慧中心主任，IEEE Fellow 　　本書透過知識點問答為讀者層層揭開深度學習的神秘面紗，其一大亮點是囊括了一系列前沿領域的新進展。如果你想搶在別人前面掌握它們，千萬不要錯過這本書。 　　李沐 / AWS首席科學家 　　本書秉承作者寫作的一貫風格：技術上有深度，深入淺出講得透徹；實踐上有溫度，言傳身教講得到位。近些年來深度學習前沿研究及產業應用如火如荼，過江名士多於鯽，但真正能得其一二要領並嫺熟運用於分析和解決實際問題者，其實還非常匱乏，相關人才缺口巨大。這本關於深度學習的書，也因此特別值得你去深度學習。 　　孫茂松 / 清華大學人工智

慧研究院常務副院長  

深度學習演算法進入發燒排行的影片

應用小鼠姿態於深度影像的特徵偵測疼痛

為了解決深度學習演算法的問題，作者郭廷愷 這樣論述：

現行藥物開發的動物實驗多數以老鼠做為實驗對象，動物實驗會透過藥物或手術誘發老鼠的疼痛行為，之後再施打止痛藥物，藉由觀察老鼠的行為推論疼痛是否有所改善，用以評估止痛藥物的藥效。疼痛會造成生理及行為的改變，目前多以觀察員透過主觀評估的方式對老鼠表情或行為評估其疼痛的程度，然而這種方式的缺點是需要耗費大量的人力與時間，以及不同人的主觀評估也將造成結果的分歧。近年來，姿態分析經常運用在神經性疾病上，多數姿態需要藉由神經系統錯縱複雜的交互作用，所以當某神經系統出現異常時，行為也容易顯現相對的異常現象。根據[1]，老鼠處於疼痛時，常會有身體扭曲和四肢蜷縮等行為。本論文建立於姿態分析的理論基礎，提出一套自

動化架構分析老鼠的姿態，藉此來偵測老鼠於疼痛時的姿態特徵。本論文提出的架構透過深度學習網路於深度影像中自動標註老鼠的關節點，再利用關節點與周邊鄰近像素的深度差異作為特徵，讓機器學習疼痛的姿態特徵，達成自動判別老鼠疼痛的目的。本論文所提出的架構分為兩部分，第一部分透過深度學習演算法自動標註影像中老鼠的關節點，藉此取代人工標記。第二部分自動學習與辨識老鼠於疼痛時的姿態特徵，實驗設計分別蒐集彩色及深度影像，前者將關節點之間的角度及距離當作姿態特徵，後者則藉由深度影像計算各關節點與鄰近像素的差異作為特徵，再藉由機器學習演算法學習與辨識小鼠於疼痛時的姿態特徵。本論文的實驗將比較彩色與深度影像分別應用於偵

測疼痛姿態的效能，並且驗證本論文提出架構的信效度。

打下最紮實AI基礎不依賴套件：手刻機器學習神經網路穩健前進

為了解決深度學習演算法的問題，作者董洪偉 這樣論述：

★★★★★【848頁磅礡登場】、【最紮實機器學習】★★★★★ 外行人才買武器，高手自己打造神兵利器！ 　　不靠TF/Keras/PyTorch，用NumPy硬幹所有機器學習公式理論打基礎，極緻深入研究原理，獲得微積分、機率、張量最高等級，之後AI學習路快速平順又輕鬆 　　沒錯，某同學用Tensorflow/Keras實作一個影像辨識，另一個同學用PyTorch做出機器翻譯，但是.....他們全部都非常崇拜你，為什麼？ 　　套件工具用的熟，但原理卻只略知皮毛，走的路一定無法長遠！只有真正在微積分、矩陣、張量、機率、線性代數上打好完整的基礎，在機器學習/深度學習的路上才能走的又長又遠又

紮實。 　　不需要羨慕別人會用yolo、bert，當你看完本書的所有AI公式、理論，然後手動用NumPy、sklearn把這些公式理論親手推導一次之後，這些工具套件，這些新興技術，什麼CNN、RNN、Seq2seq對你來說，只是簡單數學公式的排列組合罷了！ 　　非常期待這種書籍的出現吧！BINGO！本書就是你夢寐以求的威力彩頭獎書！把每個深度學習常出現的名詞，Sigmoid、Softmax、CrossEntropy、Adam、SGD、CNN、RNN、LSTM、GRU.....竟然全部用NumPy硬幹一遍！看完讀懂這本書，立即晉升大師，成為機器學習/深度學習/人工智慧的活生生教科書。 　　

NumPy超人一擊Strike 　　✪Sigmoid 　　✪Softmax 　　✪CrossEntropy 　　✪Adam 　　✪SGD 　　✪CNN 　　✪RNN 　　✪LSTM 　　✪GRU 本書特色 　　★原理講解通俗易懂，同時教你如何從底層而非呼叫深度學習庫編寫深度學習演算法 　　★由淺入深，從最簡單的回歸模型過渡到神經網路模型 　　★從問題到概念的方式剖析深度學習的基本概念和原理 　　★用簡單的範例展現模型和演算法的核心 　　★讀者不需要借助任何深度學習函數庫，就可以從0開始建構屬於自己的深度學習庫

基於 OpenPose 針對教保服務人員人體姿勢之情緒辨識

為了解決深度學習演算法的問題，作者王文怡 這樣論述：

現今對於人類的臉部辨識與語意分析去判別情緒的技術已相當的多，但對於取得臉部或語意的特徵值是有一定距離限制且有機會被模仿，甚至會有因為某些因素而臉部遮蔽導致無法取得辨識的情況發生。 雖然以前就有研究提出透過人體姿勢做情緒判斷，但仍缺乏情緒表達與人體姿態兩者關係的可解釋性，近幾年開始也已有文獻提出可以透過身體的姿勢進行情緒辨識的方法及解釋，由於透過身體姿態取得特徵值的方法可以從遠處取得，不再侷限一定要在近距，也不再有受遮蔽而影響取得辨識的限制。 世界各國與我國都明文立法禁止體罰的違法行為，但近年來不斷有教保人員情緒失控導致不當管教的事件發生，但教保人員也是人，總是會有無力或壓力等因素而有

負面的情緒產生。若能即時關注教保人員的心理狀態，不但能提升教保人員的情緒管理，也能提升教學品質，甚至能預防因情緒不穩而有失控的意外發生。 回顧現今基於人體姿勢辨識情緒的相關研究，本文提出以 OpenPose 結合 Camera影像取得骨骼數據作為輸入，則無需再使用特定影像設備(例如: kinect)，來達到降低本與即時辨識，再配合透過深度學習使得機器能經由骨架資訊判別情緒，為情緒辨識的結果維持一定的準確率與水準，能夠讓管理者藉由預測教保人員的情緒起伏與變化，對教保人員有情緒上察覺並給予關心。本文提出一套使用在幼兒園教師情緒辨識的方法，將 LSTM 使用在幼兒園應用中的 Loss 率可以低到

0.3947 且準確率可達 82.57%。另外若是在資料預先處理階段先使用 ST-GCN 將骨架資料進行特徵擷取後再執行訓練，此作法將可達到 83%的準確率。