万本电子书0元读

万本电子书0元读

顶部广告

深度学习的数学电子书

一本书掌握深度学习的数学基础知识! 结合235幅插图和大量示例 基于Excel实践,直神经网络根本原理 1.图文直观 穿插235幅插图和大量具体示例讲解,对易错、重反复说明,通俗易懂。 2.结合Excel实践 书中使用Excel行理论验证,读者可下载随书附带的Excel示例文件,亲自动手操作,直观地体验深度学习。 3.只需基础的数学知识 适合数学基础薄弱的深度学习初学者阅读,有一定基础的读者也可以通过本书加深理解。

售       价:¥

纸质售价:¥66.20购买纸书

841人正在读 | 0人评论 7.3

作       者:(日)涌井良幸、涌井贞美

出  版  社:人民邮电出版社有限公司

出版时间:2019-05-01

字       数:6.9万

所属分类: 科技 > 自然科学 > 数学

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
《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*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行理论验证,帮助读者直观地体验深度学习的原理。 《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*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行理论验证,帮助读者直观地体验深度学习的原理。
【推荐语】
一本书掌握深度学习的数学基础知识! 结合235幅插图和大量示例 基于Excel实践,直神经网络根本原理 1.图文直观 穿插235幅插图和大量具体示例讲解,对易错、重反复说明,通俗易懂。 2.结合Excel实践 书中使用Excel行理论验证,读者可下载随书附带的Excel示例文件,亲自动手操作,直观地体验深度学习。 3.只需基础的数学知识 适合数学基础薄弱的深度学习初学者阅读,有一定基础的读者也可以通过本书加深理解。
【作者】
涌井良幸(作者)  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(作者)  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)、《图解贝叶斯统计门》等。  杨瑞龙(译者)  1982年生,2008年北京大学数学科学学院硕士毕业,软件发者,从事软件行业10年。2013年~2016年赴日工作3年,从2016年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。
目录展开

版权声明

前言

本书的使用说明

Excel 示例文件的下载

第 1 章 神经网络的思想

1-1 神经网络和深度学习

1-2 神经元工作的数学表示

1-3 激活函数:将神经元的工作一般化

1-4 什么是神经网络

1-5 用恶魔来讲解神经网络的结构

1-6 将恶魔的工作翻译为神经网络的语言

1-7 网络自学习的神经网络

第 2 章 神经网络的数学基础

2-1 神经网络所需的函数

2-2 有助于理解神经网络的数列和递推关系式

2-3 神经网络中经常用到的∑符号

2-4 有助于理解神经网络的向量基础

2-5 有助于理解神经网络的矩阵基础

2-6 神经网络的导数基础

2-7 神经网络的偏导数基础

2-8 误差反向传播法必需的链式法则

2-9 梯度下降法的基础:多变量函数的近似公式

2-10 梯度下降法的含义与公式

哈密顿算子

2-11 用 Excel 体验梯度下降法

2-12 最优化问题和回归分析

第 3 章 神经网络的最优化

3-1 神经网络的参数和变量

3-2 神经网络的变量的关系式

3-3 学习数据和正解

3-4 神经网络的代价函数

3-5 用 Excel 体验神经网络

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

4-2 神经单元误差

4-3 神经网络和误差反向传播法

4-4 用 Excel 体验神经网络的误差反向传播法

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

5-2 将小恶魔的工作翻译为卷积神

5-3 卷积神经网络的变量关系式

5-4 用 Excel 体验卷积神经网络

5-5 卷积神经网络和误差反向传播法

5-6 用 Excel 体验卷积神经网络的误差反向传播法

附录

A 训练数据(1)

B 训练数据(2)

C 用数学式表示模式的相似度

看完了

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部