《深度学习的数学》涌井良幸 & 涌井贞美【文字版_PDF电子书_推荐】

《深度学习的数学》封面图片
书名:深度学习的数学
作者:[日]涌井良幸/[日]涌井贞美
出版社:人民邮电出版社
译者:杨瑞龙
出版日期:2019-4
页数:236
ISBN:9787115509345
8.5
豆瓣短评

当当正版

淘宝购买

京东图书

全网资源

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*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:

涌井良幸(作者)

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(作者)

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。

杨瑞龙(译者)

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。

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

为您推荐