编辑推荐
一本书掌握深度学习的数学基础。
内容简介
《深度学习的数学》基于丰富的图示和具体示例,通俗易懂地介绍了深度学习相关的数学知识。
第1章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的最优化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证,帮助读者直观地体验深度学习的原理。
作者简介
作者涌井良幸,1950年生于东京,毕业于东京教育大学(现筑波大学)数学系,现为自由职业者。著有《用Excel学深度学习》(合著)、《统计学有什么用?》等。
章节目录
版权信息
前言
本书的使用说明
Excel示例文件的下载
第1章 神经网络的思想
1-1 神经网络和深度学习
1-2 神经元工作的数学表示
1-3 激活函数:将神经元的工作一般化
1-4 什么是神经网络
1-5 用恶魔来讲解神经网络的结构
1-6 将恶魔的工作翻译为神经网络的语言
1-7 网络自学习的神经网络
第2章 神经网络的数学基础
2-1 神经网络所需的函数
2-2 有助于理解神经网络的数列和递推关系式
2-3 神经网络中经常用到的∑符号
2-4 有助于理解神经网络的向量基础
2-5 有助于理解神经网络的矩阵基础
2-6 神经网络的导数基础
2-7 神经网络的偏导数基础
2-8 误差反向传播法必需的链式法则
2-9 梯度下降法的基础:多变量函数的近似公式
2-10 梯度下降法的含义与公式
2-11 用Excel体验梯度下降法
2-12 最优化问题和回归分析
第3章 神经网络的最优化
3-1 神经网络的参数和变量
3-2 神经网络的变量的关系式
3-3 学习数据和正解
3-4 神经网络的代价函数
3-5 用Excel体验神经网络
第4章 神经网络和误差反向传播法
4-1 梯度下降法的回顾
4-2 神经单元误差□
4-3 神经网络和误差反向传播法
4-4 用Excel体验神经网络的误差反向传播法
第5章 深度学习和卷积神经网络
5-1 小恶魔来讲解卷积神经网络的结构
5-2 将小恶魔的工作翻译为卷积神
5-3 卷积神经网络的变量关系式
5-4 用Excel体验卷积神经网络
5-5 卷积神经网络和误差反向传播法
5-6 用Excel体验卷积神经网络的误差反向传播法
附录
A 训练数据(1)
B 训练数据(2)
C 用数学式表示模式的相似度
深度学习的数学是2019年由人民邮电出版社出版,作者[日]涌井良幸。
得书感谢您对《深度学习的数学》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。