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
封面
神经网络与深度学习
Neural Networks and Deep Learning
（美）
Michael Nielsen
著
Xiaohu Zhu
Freeman Zhang
译
results matching "
"
No results matching "
"
