《白話深度學習的數學》[日]立石賢吾『EPUB電子書下載』

白話深度學習的數學 內容簡介

本書通過想要學習深度學習的程序員綾乃和她朋友美緒的對話，逐步講解深度學習中實用的數學基礎知識。內容涉及神經網絡的結構、感知機、正向傳播和反向傳播，以及卷積神經網絡。其中，重點講解了容易成為學習絆腳石的數學公式和符號。同時，還通過實際的Python 編程實現神經網絡，加深讀者對相關數學知識的理解。

白話深度學習的數學 作者簡介

立石賢吾（作者）

SmartNews公司的機器學習工程師。從日本佐賀大學畢業後曾就職於數家開發公司，並於2014年入職LINE Fukuoka，在該公司於日本福岡市成立的數據分析和機器學習團隊中，負責利用機器學習開發推薦係統、文本分類等產品，並擔任團隊負責人。2019年入職SmartNews公司，擔任現職。

鄭明智（譯者）

長期從事人工智能、智慧醫療領域的研發工作。譯有《白話機器學習的數學》《深度學習入門2》《深度學習基礎與實踐》等書。

白話深度學習的數學 目錄

第1章神經網絡入門1
1.1　對神經網絡的興趣2
1.2　神經網絡所處的位置4
1.3　關於神經網絡6
1.4　神經網絡能做的事情13
1.5　數學與編程20
專欄　神經網絡的歷史23
第2章學習正向傳播29
2.1　先來學習感知機30
2.2　感知機的工作原理32
2.3　感知機和偏置35
2.4　使用感知機判斷圖像的長邊38
2.5　使用感知機判斷圖像是否為正方形41
2.6　感知機的缺點44
2.7　多層感知機48
2.8　使用神經網絡判斷圖像是否為正方形52
2.9　神經網絡的權重55
2.10　激活函數66
2.11　神經網絡的表達式69
2.12　正向傳播74
2.13　神經網絡的通用化80
專欄　激活函數到底是什麼83
第3章學習反向傳播89
3.1　神經網絡的權重和偏置90
3.2　人的局限性92
3.3　誤差95
3.4　目標函數100
3.5　梯度下降法107
3.6　小技巧：德爾塔119
3.7　德爾塔的計算130
3.7.1　輸出層的德爾塔130
3.7.2　隱藏層的德爾塔134
3.8　反向傳播141
專欄　梯度消失到底是什麼145
第4章學習卷積神經網絡151
4.1　擅長處理圖像的卷積神經網絡152
4.2　卷積過濾器154
4.3　特征圖162
4.4　激活函數165
4.5　池化167
4.6　卷積層168
4.7　卷積層的正向傳播176
4.8　全連接層的正向傳播186
4.9　反向傳播190
4.9.1　卷積神經網絡的反向傳播190
4.9.2　誤差192
4.9.3　全連接層的更新表達式197
4.9.4　卷積過濾器的更新表達式201
4.9.5　池化層的德爾塔205
4.9.6　與全連接層相連的卷積層的德爾塔207
4.9.7　與卷積層相連的卷積層的德爾塔212
4.9.8　參數的更新表達式217
專欄　交叉熵到底是什麼221
第5章實現神經網絡227
5.1　使用Python實現228
5.2　判斷長寬比的神經網絡229
5.2.1　神經網絡的結構232
5.2.2　正向傳播234
5.2.3　反向傳播239
5.2.4　訓練244
5.2.5　小批量250
5.3　手寫數字的圖像識別與卷積神經網絡255
5.3.1　準備數據集257
5.3.2　神經網絡的結構263
5.3.3　正向傳播266
5.3.4　反向傳播278
5.3.5　訓練286
專欄　後話297
附錄
A.1　求和符號302
A.2　微分303
A.3　偏微分307
A.4　複合函數310
A.5　向量和矩陣312
A.6　指數與對數316
A.7　Python環境搭建319
A.8　Python基礎知識322
······