深度学习的数学

图书标准信息

• 作者 [日]涌井良幸；[日]涌井贞美
• 出版社 人民邮电出版社
• 出版时间 2019-05
• 版次 1
• ISBN 9787115509345
• 定价 69.00元
• 装帧 平装
• 开本 其他
• 页数 225页
• 字数 210千字

【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。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。

【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。

【目录】

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最优化问题和回归分析94
第3章神经网络的最优化
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
5-2将小恶魔的工作翻译为卷积神经网络的语言174
5-3卷积神经网络的变量关系式180
5-4用Excel体验卷积神经网络193
5-5卷积神经网络和误差反向传播法200
5-6用Excel体验卷积神经网络的误差反向传播法212
附录
A训练数据（1）222
B训练数据（2）223
C用数学式表示模式的相似度225