神经网络与深度学习(中文版)
封面
简介
关于作者
关于本书翻译
版权
前言
这本书是关于什么的?
关于练习和问题
第一章:使用神经网络识别手写数字
1.1 感知器
1.2 S 型神经元
1.3 神经网络的架构
1.4 一个简单的分类手写数字的网络
1.5 使用梯度下降算法进行学习
1.6 实现我们的网络来分类数字
1.7 迈向深度学习
第二章:反向传播算法如何工作
2.1 热身:神经网络中使用矩阵快速计算输出的方法
2.2 关于代价函数的两个假设
2.3 Hadamard 乘积
2.4 反向传播的四个基本方程
2.5 四个基本方程的证明(可选)
2.6 反向传播算法
2.7 代码
2.8 在哪种层面上,反向传播是快速的算法?
2.9 反向传播:全局观
第六章:深度学习
6.1 介绍卷积网络
6.2 卷积神经网络在实际中的应用
6.3 卷积网络的代码
6.4 图像识别领域中的近期进展
6.5 其他的深度学习模型
6.6 神经网络的未来
附录
致谢
Powered by
GitBook
关于作者
关于作者
Michael Nielsen
是一位量子物理学家、科学作家、计算机编程研究人员。
你可以在其主页
http://michaelnielsen.org/
了解更多信息。
results matching "
"
No results matching "
"