《白话深度学习的数学》[日]立石贤吾『EPUB电子书下载』

白话深度学习的数学 内容简介

本书通过想要学习深度学习的程序员绫乃和她朋友美绪的对话，逐步讲解深度学习中实用的数学基础知识。内容涉及神经网络的结构、感知机、正向传播和反向传播，以及卷积神经网络。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程实现神经网络，加深读者对相关数学知识的理解。

白话深度学习的数学 作者简介

立石贤吾（作者）

SmartNews公司的机器学习工程师。从日本佐贺大学毕业后曾就职于数家开发公司，并于2014年入职LINE Fukuoka，在该公司于日本福冈市成立的数据分析和机器学习团队中，负责利用机器学习开发推荐系统、文本分类等产品，并担任团队负责人。2019年入职SmartNews公司，担任现职。

郑明智（译者）

长期从事人工智能、智慧医疗领域的研发工作。译有《白话机器学习的数学》《深度学习入门2》《深度学习基础与实践》等书。

白话深度学习的数学 目录

第1章神经网络入门1
1.1　对神经网络的兴趣2
1.2　神经网络所处的位置4
1.3　关于神经网络6
1.4　神经网络能做的事情13
1.5　数学与编程20
专栏　神经网络的历史23
第2章学习正向传播29
2.1　先来学习感知机30
2.2　感知机的工作原理32
2.3　感知机和偏置35
2.4　使用感知机判断图像的长边38
2.5　使用感知机判断图像是否为正方形41
2.6　感知机的缺点44
2.7　多层感知机48
2.8　使用神经网络判断图像是否为正方形52
2.9　神经网络的权重55
2.10　激活函数66
2.11　神经网络的表达式69
2.12　正向传播74
2.13　神经网络的通用化80
专栏　激活函数到底是什么83
第3章学习反向传播89
3.1　神经网络的权重和偏置90
3.2　人的局限性92
3.3　误差95
3.4　目标函数100
3.5　梯度下降法107
3.6　小技巧：德尔塔119
3.7　德尔塔的计算130
3.7.1　输出层的德尔塔130
3.7.2　隐藏层的德尔塔134
3.8　反向传播141
专栏　梯度消失到底是什么145
第4章学习卷积神经网络151
4.1　擅长处理图像的卷积神经网络152
4.2　卷积过滤器154
4.3　特征图162
4.4　激活函数165
4.5　池化167
4.6　卷积层168
4.7　卷积层的正向传播176
4.8　全连接层的正向传播186
4.9　反向传播190
4.9.1　卷积神经网络的反向传播190
4.9.2　误差192
4.9.3　全连接层的更新表达式197
4.9.4　卷积过滤器的更新表达式201
4.9.5　池化层的德尔塔205
4.9.6　与全连接层相连的卷积层的德尔塔207
4.9.7　与卷积层相连的卷积层的德尔塔212
4.9.8　参数的更新表达式217
专栏　交叉熵到底是什么221
第5章实现神经网络227
5.1　使用Python实现228
5.2　判断长宽比的神经网络229
5.2.1　神经网络的结构232
5.2.2　正向传播234
5.2.3　反向传播239
5.2.4　训练244
5.2.5　小批量250
5.3　手写数字的图像识别与卷积神经网络255
5.3.1　准备数据集257
5.3.2　神经网络的结构263
5.3.3　正向传播266
5.3.4　反向传播278
5.3.5　训练286
专栏　后话297
附录
A.1　求和符号302
A.2　微分303
A.3　偏微分307
A.4　复合函数310
A.5　向量和矩阵312
A.6　指数与对数316
A.7　Python环境搭建319
A.8　Python基础知识322
······