人人可懂的深度学习 115盘 下载 pdf txt 电子版 mobi snb docx

采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。

译者序

前言

致谢

第1章┆深度学习概述　/ 1

1.1　人工智能、机器学习和深度学习?/?4

1.2　什么是机器学习?/?10

1.3　机器学习为何如此困难?/?14

1.4　机器学习的关键要素?/?18

1.5　有监督学习、无监督学习和强化学习?/?21

1.6　深度学习为何如此成功?/?24

1.7　本章小结及本书内容安排?/?27

第2章┆预备知识　/ 31

2.1　什么是数学模型?/?32

2.2　含有多个输入的线性模型?/?35

2.3　线性模型的参数设置?/?37

2.4　从数据中学习模型参数?/?39

2.5　模型的组合?/?44

2.6　输入空间、权重空间和激活空间?/?46

2.7　本章小结?/?49

第3章┆神经网络：深度学习的基石　/ 51

3.1　人工神经网络?/?53

3.2　人工神经元是如何处理信息的?/?56

3.3　为什么需要激活函数?/?61

3.4　神经元参数的变化如何影响神经元的行为?/?65

3.5　使用GPU加速神经网络的训练?/?73

3.6　本章小结?/?77

第4章┆深度学习简史　/ 80

4.1　早期研究：阈值逻辑单元?/?83

4.2　连接主义：多层感知机?/?98

4.3　深度学 ?/?114

4.4　本章小结?/?124

第5章┆卷积神经网络和循环神经网络　/ 126

5.1　卷积神经网络?/?127

5.2　循环神经网络?/?135

第6章┆神经网络的训练　/ 147

6.1　梯度下降?/?149

6.2　使用反向传播训练神经网络?/?165

第7章┆深度学习的未来　/ 181

7.1　推动算法革新的大数据?/?183

7.2　新模型的提出?/?187

7.3　新形式的硬件?/?189

7.4　可解释性问题?/?192

7.5　结语?/?196

术语表　/ 197

参考文献　/ 203

延伸阅读　/ 208

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：人人可懂的深度学习在线阅读

在线听书地址：人人可懂的深度学习在线收听

在线购买地址：人人可懂的深度学习在线购买

暂无原文赏析，正在全力查找中！

前言

深度学习正从各个方面深刻影响和改变着人类的当代生活。你从媒体上得知的有关人工智能的绝大部分重大突破都是依赖深度学习实现的。因此，无论你是一位志在提升公司效率的商界精英，还是一位关心大数据时代的伦理与隐私的政策制定者，或者是一名研究复杂数据的科研人员，抑或是一个想更好地了解人工智能的潜力以及它将如何影响自己的生活的热心读者，都需要了解和认识深度学习，这非常重要。

本书的目的正是帮助普通读者了解深度学习是什么，它从何而来，它是如何发挥作用的，它能够帮助我们做什么（当然也包括它不能做什么），以及未来十年深度学习将会如何发展。简单而言，深度学习就是一组算法和模型，因此，为了了解深度学习，就必须了解这些算法和模型是如何处理数据的。基于这样的考虑，本书不只是单纯地描述和定义概念，还包括对算法的解释说明。本书努力以浅显易懂的方式为读者呈现技术内容。根据经验，介绍技术的 好方法是一步一步地解释技术涉及的基本概念。因此，本书尽可能减少纯数学内容，而只在必要的地方才以尽可能清楚和直接的方式介绍相关的数学公式。此外，本书将通过例子和图示来补充对这些数学公式的解释。

深度学习的真正奇妙之处不在于作为它的基础的复杂数学知识，而在于它通过简单的计算就能完成众多令人兴奋且印象深刻的任务。当面对深度学习时，就算发出“这些都是它完成的？”这样的惊叹，你也不用觉得奇怪。事实上，一个深度学习模型所做的就是很多（必须承认，是非常多）乘法与加法运算，以及夹杂在其中的一些非线性映射（书中会详细解释这些非线性映射）。尽管简单，但这样的模型能击败围棋世界冠军，能取得计算机视觉和机器翻译的 效果，甚至能驾驶一辆汽车—它还有很多惊人的成就。虽然这只是一本关于深度学习的入门级书籍，但是希望本书关于深度学习的介绍具有足够的深度，随着你对深度学习越来越了解，在将来的某一天你还会重新打开这本书阅读。

书籍介绍

本书将深度学习技术的发展历史、现状和未来向读者娓娓道来，以深入浅出的方式介绍了深度学习的核心思想和关键技术。对于尚不具备专业背景的读者，可以从中学习到什么是深度学习技术、如何进行深度学习、深度学习适合哪些任务、深度学习还有哪些不足。

本书对深度学习中的一些关键问题（如过拟合和梯度消失）、核心技术（如反向传播和梯度下降）、典型模型（如卷积神经网络和循环神经网络）的讲解简洁而不失深刻，对深度学习技术未来发展的讨论很有启发性，专业人士也能从中获益。