深度学习的数学 PDF 文档

Question

本书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。

本书适合深度学习初学者阅读。

近年来，我们在媒体上到处可见人工智能（AI）这个词，而深度学习是人工智能的一种实现方法。下面我们就来简单地看一下深度学习具有怎样划时代的意义。

本书的目的在于提供理解神经网络所需的数学基础知识。为了便于读者直观地理解，书中使用大量图片，并通过具体示例来介绍。因此，本书将数学的严谨性放在第二位。

深度学习的世界是丰富多彩的，本书主要考虑阶层型神经网络和卷积神经网络在图像识别中的应用。

目录
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Σ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δlj
4-3 神经网络和误差反向传播法梯
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经网络的语言
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

下载地址：https://www.wenjiangs.com/wp-content/uploads/2024/04/UQ4lB3JMJFMty3aA.zip