智能之门：神经网络与深度学习入门（基于Python的实现）

图书标准信息

• 作者 胡晓武 秦婷婷 李超 邹欣
• 出版社 高等教育出版社
• 出版时间 2020-12
• 版次 1
• ISBN 9787040541410
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 437页

【内容简介】

  《智能之门：神经网络与深度学习入门（基于Python的实现）》是作者在总结多年的实际工程应用经验的基础上编著而成的，是一本面向本科生的神经网络与深度学习的入门教材。通过阅读该书，读者可以掌握神经网络与深度学习的基本理论，并通过大量的代码练习，在做中学，提高将理论知识运用于实际工程的能力。
  该书内容丰富，以“提出问题-解决方案-原理分析-可视化理解”的方式向读者介绍了深度学习的入门知识，并总结了“9步学习法”，分为基本概念、线性回归、线性分类、非线性回归、非线性分类、模型的推理与应用部深度神经网络、卷积神经网络以及循环神经网络9个步骤，对神经网络和深度学习进行了系统全面的讲解。
  《智能之门：神经网络与深度学习入门（基于Python的实现）》既可以作为高等院校计算机、人工智能等专业的教学用书，也可供对深度学习感兴趣的研究人员和工程技术人员阅读参考。

【目录】

第一步 基本概念
第1章 概论
1．1 人工智能发展简史
1．2 科学范式的演化
第2章 神经网络中的三个基本概念
2．1 通俗地理解三大概念
2．2 线性反向传播
2．3 梯度下降
第3章 损失函数
3．1 损失函数概论
3．2 均方差函数
3．3 交叉熵损失函数

第二步 线性回归
第4章 单入单出的单层神经
网络――单变量线性回归
4．1 单变量线性回归问题
4．2 最小二乘法
4．3 梯度下降法
4．4 神经网络法
4．5 梯度下降的三种形式
第5章 多入单出的单层神经
网络――多变量线性回归
5．1 多变量线性回归问题
5．2 正规方程解法
5．3 神经网络解法
5．4 样本特征数据归一化
5．5 正确的推理预测方法

第三步 线性分类
第6章 多入单出的单层神经
网络――线性二分类
6．1 线性二分类
6．2 二分类函数
6．3 用神经网络实现线性二分类
第7章 多入多出的单层神经
网络――线性多分类
7．1 线性多分类
7．2 多分类函数
7．3 用神经网络实现线性多分类

第四步 非线性回归
第8章 激活函数
8．1 激活函数概论
8．2 挤压型激活函数
8．3 半线性激活函数
第9章 单入单出的双层神经
网络――非线性回归
9．1 非线性回归
9．2 用多项式回归法拟合正弦曲线
9．3 用多项式回归法拟合复合函数曲线
9．4 验证与测试
9．5 用双层神经网络实现非线性回归
9．6 曲线拟合
……
第五步 非线性分类
第六步 模型推理与应用部署
第七步 深度神经网络
第八步 卷积神经网络
第九步 循环神经网络
结束语