上期我们说到了“《大话数据结构》PDF高清完整电子版百度云可下载”，本期我们说说《神经网络与深度学习》PDF高清完整电子版百度云可下载。
1）复旦大学邱锡鹏教授基于科研和教学实践，历时5年时间静心写作、不断完善，深受好评的深度学习讲义正式版！
2）字节跳动AI实验室主任李航、南京大学周志华教授、复旦大学吴立德教授强力。
高清电子书下载(非 勉 费 )请联系微信：yefei147852
高清电子书下载(非 勉 费 )请联系微信：yefei147852
3）系统整理深度学习的知识体系，从机器学习基础、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点，兼具系统性、条理性和性。
4）在网站上配套了教学PPT以及针对每章知识点的编程练习，理论和实践结合，加深读者对知识的理解，并提高问题求解能力。
5）内容安排由浅入深，语言表达通俗易懂，排版布局图文并茂，全彩印刷装帧精美。
基本信息
商品名称：神经网络与深度学习开本：16开
作者：邱锡鹏 著定价：149.00
ISBN号：9787111649687出版时间：2020-04-17出版社：机械工业出版社印刷时间：2020-04-01版次：1印次：1
序
前言
常用符号表
*部分 机器学习基础
章 绪论3
1.1人工智能……4
1.1.1人工智能的发展历史……5
1.1.2人工智能的流派……7
1.2机器学习……7
1.3表示学习……8
1.3.1局部表示和分布式表示……9
1.3.2表示学习……11
1.4深度学习……11
1.4.1端到端学习……12
1.5神经网络……13
1.5.1人脑神经网络……13
1.5.2人工神经网络……14
1.5.3神经网络的发展历史……15
1.6本书的知识体系……17
1.7常用的深度学习框架……18
1.8总结和深入阅读……20
第2章 机器学习概述23
2.1基本概念……24
2.2机器学习的三个基本要素……26
2.2.1模型……26
2.2.2学习准则……27
2.2.3优化算法……30
2.3机器学习的简单示例——线性回归……33
2.3.1参数学习……34
2.4偏差-方差分解……38
2.5机器学习算法的类型……41
2.6数据的特征表示……43
2.6.1传统的特征学习……44
2.6.2深度学习方法……46
2.7评价指标……46
2.8理论和定理……49
2.8.1PAC学习理论……49
2.8.2没有免费午餐定理……50
2.8.3奥卡姆剃刀原理……50
2.8.4丑小鸭定理……51
2.8.5归纳偏置……51
2.9总结和深入阅读……51
第3章 线性模型
3.1线性判别函数和决策边界……56
3.1.1二分类……56
3.1.2多分类……58
3.2Logistic回归……59
3.2.1参数学习……60
3.3Softmax回归……61
3.3.1参数学习……62
3.4感知器……64
3.4.1参数学习……64
3.4.2感知器的收敛性……66
3.4.3参数平均感知器……67
3.4.4扩展到多分类……69
3.5支持向量机……71
3.5.1参数学习……73
3.5.2核函数……74
3.5.3软间隔……74
3.6损失函数对比……75
3.7总结和深入阅读……76
第二部分 基础模型
第4章 前馈神经网络81
4.1神经元……82
4.1.1Sigmoid型函数……83
4.1.2ReLU函数……86
4.1.3Swish函数……88
4.1.4GELU函数……89
4.1.5Maxout单元……89
4.2网络结构……90
4.2.1前馈网络……90
4.2.2记忆网络……90
4.2.3图网络……90
4.3前馈神经网络……91
4.3.1通用近似定理……93
4.3.2应用到机器学习……94
4.3.3参数学习……95
4.4反向传播算法……95
4.5自动梯度计算……98
4.5.1数值微分……99
4.5.2符号微分……99
4.5.3自动微分……100
4.6优化问题……103
4.6.1非凸优化问题……103
4.6.2梯度消失问题……104
4.7总结和深入阅读……104
第5章 卷积神经网络109
5.1卷积……110
5.1.1卷积的定义……110
5.1.2互相关……112
5.1.3卷积的变种……113
5.1.4卷积的数学性质……114
5.2卷积神经网络……115
5.2……
本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。
全书共15章，分为三个部分。*部分为机器学习基础：章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者了解相关知识；第2~3章介绍机器学习的基础知识。第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；0章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。第三部分是进阶模型：1章介绍概率图模型的基本概念，为后面的章节进行铺垫；2章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络；3章介绍深度生成模型，包括变分自编码器和生成对抗网络；4章介绍深度强化学习；5章介绍应用十分广泛的序列生成模型。
本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业的研究生或本科生教材，也可供相关领域的研究人员和工程技术人员参考。
本书还配备了教学PPT、编程练习以及课后习题的讨论，参见网址：。
未经允许不得转载：我的生活分享 » 《神经网络与深度学习》PDF高清完整电子版百度云可下载
