人工智能 类型
可以朗读 语音朗读
95千字 字数
2025-09-01 发行日期
展开全部

主编推荐语

深度学习入门佳作，数学基础+Python实践，一书搞定神经网络核心难点。

内容简介

本书通过想要学习深度学习的程序员绫乃和她朋友美绪的对话，逐步讲解深度学习中实用的数学基础知识。内容涉及神经网络的结构、感知机、正向传播和反向传播，以及卷积神经网络。

其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程实现神经网络，加深读者对相关数学知识的理解。

本书适合对深度学习感兴趣、想要从事深度学习相关研究，但是对深度学习和神经网络相关数学知识感到棘手的读者阅读。

目录

  • 版权信息
  • 本书信息
  • 前言
  • 出场人物介绍
  • 各章概要
  • 第1章 神经网络入门
  • 1.1 对神经网络的兴趣
  • 1.2 神经网络所处的位置
  • 1.3 关于神经网络
  • 1.4 神经网络能做的事情
  • 1.5 数学与编程
  • 第2章 学习正向传播
  • 2.1 先来学习感知机
  • 2.2 感知机的工作原理
  • 2.3 感知机和偏置
  • 2.4 使用感知机判断图像的长边
  • 2.5 使用感知机判断图像是否为正方形
  • 2.6 感知机的缺点
  • 2.7 多层感知机
  • 2.8 使用神经网络判断图像是否为正方形
  • 2.9 神经网络的权重
  • 2.10 激活函数
  • 2.11 神经网络的表达式
  • 2.12 正向传播
  • 2.13 神经网络的通用化
  • 第3章 学习反向传播
  • 3.1 神经网络的权重和偏置
  • 3.2 人的局限性
  • 3.3 误差
  • 3.4 目标函数
  • 3.5 梯度下降法
  • 3.6 小技巧：德尔塔
  • 3.7 德尔塔的计算
  • 3.8 反向传播
  • 第4章 学习卷积神经网络
  • 4.1 擅长处理图像的卷积神经网络
  • 4.2 卷积过滤器
  • 4.3 特征图
  • 4.4 激活函数
  • 4.5 池化
  • 4.6 卷积层
  • 4.7 卷积层的正向传播
  • 4.8 全连接层的正向传播
  • 4.9 反向传播
  • 第5章 实现神经网络
  • 5.1 使用Python实现
  • 5.2 判断长宽比的神经网络
  • 5.3 手写数字的图像识别与卷积神经网络
  • 附录
  • A.1 求和符号
  • A.2 微分
  • A.3 偏微分
  • A.4 复合函数
  • A.5 向量和矩阵
  • A.6 指数与对数
  • A.7 Python环境搭建
  • A.8 Python基础知识
  • A.9 NumPy基础知识
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。