人人可懂的深度学习

图书标准信息

• 作者 [爱尔兰]约翰·D.凯莱赫（John D. Kelleher）
• 出版社 机械工业出版社
• 出版时间 2020-05
• 版次 1
• ISBN 9787111680109
• 定价 69.00元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸
• 字数 142千字

【内容简介】

采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。

【目录】

译者序

前言

致谢

第1章┆深度学习概述　/ 1

1.1　人工智能、机器学习和深度学习?/?4

1.2　什么是机器学习?/?10

1.3　机器学习为何如此困难?/?14

1.4　机器学习的关键要素?/?18

1.5　有监督学习、无监督学习和强化学习?/?21

1.6　深度学习为何如此成功?/?24

1.7　本章小结及本书内容安排?/?27

第2章┆预备知识　/ 31

2.1　什么是数学模型?/?32

2.2　含有多个输入的线性模型?/?35

2.3　线性模型的参数设置?/?37

2.4　从数据中学习模型参数?/?39

2.5　模型的组合?/?44

2.6　输入空间、权重空间和激活空间?/?46

2.7　本章小结?/?49

第3章┆神经网络：深度学习的基石　/ 51

3.1　人工神经网络?/?53

3.2　人工神经元是如何处理信息的?/?56

3.3　为什么需要激活函数?/?61

3.4　神经元参数的变化如何影响神经元的行为?/?65

3.5　使用GPU加速神经网络的训练?/?73

3.6　本章小结?/?77

第4章┆深度学习简史　/ 80

4.1　早期研究：阈值逻辑单元?/?83

4.2　连接主义：多层感知机?/?98

4.3　深度学习时代?/?114

4.4　本章小结?/?124

第5章┆卷积神经网络和循环神经网络　/ 126

5.1　卷积神经网络?/?127

5.2　循环神经网络?/?135

第6章┆神经网络的训练　/ 147

6.1　梯度下降?/?149

6.2　使用反向传播训练神经网络?/?165

第7章┆深度学习的未来　/ 181

7.1　推动算法革新的大数据?/?183

7.2　新模型的提出?/?187

7.3　新形式的硬件?/?189

7.4　可解释性问题?/?192

7.5　结语?/?196

术语表　/ 197

参考文献　/ 203

延伸阅读　/ 208