书名：   深入浅出神经网络与深度学习/图灵程序设计丛书 作者：   [澳]迈克尔·尼尔森 出版社：   人民邮电出版社 出版日期：   2019-04-01 版次：   1版1次 ISBN：   9787115542090 市场价：   89.0

目录   第 1章 使用神经网络识别手写数字 1
1.1 感知机 2
1.2 sigmoid神经元 7
1.3 神经网络的架构 11
1.4 一个简单的神经网络：分类手写数字 13
1.5 利用梯度下降算法进行学习 17
1.6 实现分类数字的神经网络 25
1.7 迈向深度学习 37
第 2章 反向传播算法工作原理 41
2.1 热身：使用矩阵快速计算输出 41
2.2 关于代价函数的两个假设 43
2.3 阿达马积s⊙t 45
2.4 反向传播的4个基本方程 45
2.5 基本方程的证明(选学) 50
2.6 反向传播算法 51
2.7 反向传播代码 53
2.8 何而言，反向传播算快 55
2.9 反向传播：全局观 56
第3章 改进神经网络的学习方法 60
3.1 交叉熵代价函数 60
3.1.1 引入交叉熵代价函数 64
3.1.2 使用交叉熵来对MNIST数字进行分类 71
3.1.3 交叉熵的含义与起源 72
3.1.4 softmax 74
3.2 过拟合和正则化 78
3.2.1 正则化 84
3.2.2 为何正则化有助于减轻过拟合 89
3.2.3 其他正则化技术 93
3.3 权重初始化 102
3.4 复探手写识别问题：代码 106
3.5 如何选择神经网络的超参数 116
3.6 其他技术 126
3.6.1 梯度下降算法的变化形式 126
3.6.2 其他人工神经元模型 129
3.6.3 有关神经网络的故事 132
第4章 神经网络可以计算任何函数的可视化证明 134
4.1 两个预先声明 136
4.2 一个输入和一个输出的普遍 137
4.3 多个输入变量 146
4.4 不止sigmoid神经元 154
4.5 修补阶跃函数 156
4.6 小结 159
第5章 为何深度神经网络很难训练 160
5.1 梯度消失问题 163
5.2 梯度消失的原因 168
5.2.1 为何出现梯度消失 170
5.2.2 梯度爆炸问题 171
5.2.3 梯度不稳定问题 172
5.2.4 梯度消失问题普遍存在 172
5.3 复杂神经网络中的梯度不稳定 173
5.4 深度学其他障碍 174
第6章 深度学习 175
6.1 卷积神经网络入门 176
6.1.1 局部感受野 178
6.1.2 共享权重和偏置 180
6.1.3 池化层 182
6.2 卷积神经网络的实际应用 184
6.2.1 使用修正线单元 188
6.2.2 扩展训练数据 189
6.2.3 插入额外的全连接层 191
6.2.4 集成神经网络 192
6.3 卷积神经网络的代码 195
6.4 图像识别领域近期的进展 208
6.4.1 2012年的LRMD论文 208
6.4.2 2012年的KSH论文 209
6.4.3 2014年的ILSVRC竞赛 211
6.4.4 其他活动 212
6.5 其他深度学习模型 214
6.5.1 循环神经网络 214
6.5.2 长短期记忆单元 216
6.5.3 深度信念网络、生成模型和玻尔兹曼机 216
6.5.4 其他想法 217
6.6 神经网络的未来 217
6.6.1 意图驱动的用户界面 217
6.6.2 机器学习、数据科学和创新的循环 218
6.6.3 神经网络和深度学作用 218
6.6.4 神经网络和深度学习将人工智能 219
附录 是否存在关于智能的简单算法 222
版权声明 内容介绍   本书深入讲解神经网络和深度学习技术，侧重于阐释深度学核心概念。作者以技术原理为导向，辅以贯穿全书的MNIST手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完本书后，读者将能够通过编写Python代码来解决复杂的模式识别问题。 在线试读   媒体评论   这是一本很好好的深度学习入门书，相信会得到大家的喜爱。 --李航 字节跳动科技有限公司人工智能实验监、ACL会士、IEEE会士、ACM科学家 这本书从神经网络和深度学基本原理入手，详细地解释了神经网络和深度学核心概念，兼顾理论和实践，是深入了解神经网络和深度学一本好书。 --马少平 清华大学计算机系教授、博士生导师 我从看完章开始被其深入浅出的文字以及清晰的代码实现所吸引。我相信，这本书的正式出版会让更多的读者受益。 --车万翔 哈尔滨工业大学计算机科学与技术学院信息检索研究中心教授、博士生导师 这是一本趣的神经网络入门书，其细致程度基本上做到了手把手教学，很好适合初学者。我期待这本书能照亮更多人的人工智能之路。 --俞扬 南京大学人工智能学院教授、博士生导师 这是一位物理学家写的机器学习书，内容清晰易懂，对神经网络的描述也直观形象，很好适合用来入门神经网络和深度学习。 --邱锡鹏 复旦大学计算机学院教授、博士生导师 这是一本关于神经网络和深度学"亲近"易读的书，它将带领你轻松入门人工智能世界。 --张伟楠 上海交通大学计算机科学与工程系副教授、博士生导师 这本的好书通过丰富的示例和代码实践做到了**。 --王昊奋 同济大学特聘研究员、OpenKG联合创始人 这本量子物理学家笔下的好书以一个个生动的实例驱动你恨不得一口气读完！ --徐涵 华为欧洲研究院不错战略规划经理
1.以原理为导向：本书细致阐释神经网络和深度学核心概念，而不是笼统地罗列想法，带领读者掌握神经网络的工作原理，技术兴衰起落，而原理是长久的； 2.注重实践：本书通过解决具体问题——教计算机识别手写数字——来介绍神经网络和深度学核心理论； 3.Michael Nielsen高分深度学习入门讲义正式版，本书基于Python语言编写，新手也可以很快入门； 4.李航、马少平、邱锡鹏等多位科学家重磅； 5.配套动态示例，有助于直观理解神经网络输出，提供源代码。