深度学习的数学
正版新书 新华官方库房直发 可开电子发票
￥ 37.95 5.5折 ￥ 69 全新
库存212件
作者(日)涌井良幸,(日)涌井贞美
出版社人民邮电出版社
ISBN9787115509345
出版时间2019-05
版次1
装帧平装
开本16开
纸张胶版纸
页数225页
字数210千字
定价69元
货号SC:9787115509345
上书时间2024-05-01
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
涌井良幸：1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。
涌井贞美：1952年生于东京，完成东京大学理学系研究科硕士课程，现为自由职业者。著有《用Excel学深度学习》（合著）、《图解贝叶斯统计入门》等。
杨瑞龙：1982年生，2008年北京大学数学科学学院硕士毕业，软件开发者，从事软件行业10年。2013年~2016年赴日工作3年，从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。
主编推荐:
内容简介:
《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的很优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。
目录:
第1章神经网络的思想
1-1神经网络和深度学习2
1-2神经元工作的数学表示6
1-3激活函数：将神经元的工作一般化12
1-4什么是神经网络18
1-5用恶魔来讲解神经网络的结构23
1-6将恶魔的工作翻译为神经网络的语言31
1-7网络自学习的神经网络36
第2章神经网络的数学基础
2-1神经网络所需的函数40
2-2有助于理解神经网络的数列和递推关系式46
2-3神经网络中经常用到的Σ符号51
2-4有助于理解神经网络的向量基础53
2-5有助于理解神经网络的矩阵基础61
2-6神经网络的导数基础65
2-7神经网络的偏导数基础72
2-8误差反向传播法必需的链式法则76
2-9梯度下降法的基础：多变量函数的近似公式80
2-10梯度下降法的含义与公式83
2-11用Excel体验梯度下降法91
2-12很优化问题和回归分析94
第3章神经网络的很优化
3-1神经网络的参数和变量102
3-2神经网络的变量的关系式111
3-3学习数据和正解114
3-4神经网络的代价函数119
3-5用Excel体验神经网络127
第4章神经网络和误差反向传播法
4-1梯度下降法的回顾134
4-2神经单元误差141
4-3神经网络和误差反向传播法146
4-4用Excel体验神经网络的误差反向传播法153
第5章深度学习和卷积神经网络
5-1小恶魔来讲解卷积神经网络的结构168
...
— 没有更多了 —
以下为对购买帮助不大的评价