好书推荐 好书速递 排行榜 读书文摘

深度学习的数学

深度学习的数学
作者:[日]涌井良幸 / [日]涌井贞美
译者:杨瑞龙
出版社:人民邮电出版社
出版年:2019-04
ISBN:9787115509345
行业:教育
浏览数:4

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。

......(更多)

作者简介

作者简介:

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。

涌井贞美

1952年生于东京,完成东京大学理学系研究科硕士课程,现为自由职业者。著有《用Excel学深度学习》(合著)、《图解贝叶斯统计入门》等。

译者简介:

杨瑞龙(

1982年生,2008年北京大学数学科学学院硕士毕业,软件开发者,从事软件行业10年。2013年~2016年赴日工作3年,从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。

......(更多)

目录

第1章 神经网络的思想

1 - 1 神经网络和深度学习  2

1 - 2 神经元工作的数学表示  6

1 - 3 激活函数:将神经元的工作一般化  12

1 - 4 什么是神经网络  18

1 - 5 用恶魔来讲解神经网络的结构  23

1 - 6 将恶魔的工作翻译为神经网络的语言  31

1 - 7 网络自学习的神经网络  36

第2章 神经网络的数学基础

2 - 1 神经网络所需的函数  40

2 - 2 有助于理解神经网络的数列和递推关系式  46

2 - 3 神经网络中经常用到的Σ符号  51

2 - 4 有助于理解神经网络的向量基础  53

2 - 5 有助于理解神经网络的矩阵基础  61

2 - 6 神经网络的导数基础  65

2 - 7 神经网络的偏导数基础  72

2 - 8 误差反向传播法必需的链式法则  76

2 - 9 梯度下降法的基础:多变量函数的近似公式  80

2 - 10 梯度下降法的含义与公式  83

2 - 11 用Excel 体验梯度下降法  91

2 - 12 最优化问题和回归分析  94

第3章 神经网络的最优化

3 - 1 神经网络的参数和变量  102

3 - 2 神经网络的变量的关系式  111

3 - 3 学习数据和正解  114

3 - 4 神经网络的代价函数  119

3 - 5 用Excel体验神经网络  127

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  134

4 - 2 神经单元误差  141

4 - 3 神经网络和误差反向传播法  146

4 - 4 用Excel体验神经网络的误差反向传播法  153

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  168

5 - 2 将小恶魔的工作翻译为卷积神经网络的语言  174

5 - 3 卷积神经网络的变量关系式  180

5 - 4 用Excel体验卷积神经网络  193

5 - 5 卷积神经网络和误差反向传播法  200

5 - 6 用Excel体验卷积神经网络的误差反向传播法  212

附录

A 训练数据(1)  222

B 训练数据(2)  223

C 用数学式表示模式的相似度  225

......(更多)

读书文摘

......(更多)

猜你喜欢

点击查看