深度学习的数学

封面

版权信息

版权声明

前言

本书的使用说明

Excel 示例文件的下载

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∑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

4-3 神经网络和误差反向传播法

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

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