随着AlphaGo与李世石大战的落幕，人工智能成为话题焦。AlphaGo背后的工作原理“深度学习”也跳大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？ 本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深浅出。对于正在人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。
售 价：¥
纸质售价：¥46.60购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
0 写在前面：神经网络的历史
1 神经网络是个什么东西
1.1 买橙子和机器学习
1.2 怎么定义神经网络
1.3 先来看看大脑如何学习
1.4 生物意义上的神经元
1.5 大脑如何解决现实生活中的分类问题
2 构造神经网络
2.1 构造一个神经元
2.2 感知机
2.3 感知机的学习
2.4 用代码实现一个感知机
2.5 构造一个神经网络
2.6 解决一些实际问题
3 深度学习是个什么东西
3.1 机器学习
3.2 特征
3.3 浅层学习和深度学习
3.4 深度学习和神经网络
3.5 如何训练神经网络
3.6 总结深度学习及训练过程
4 深度学习的常用方法
4.1 模拟大脑的学习和重构
4.2 快速感知：稀疏编码（Sparse Coding）
4.3 栈式自编码器
4.4 解决概率分布问题：限制波尔兹曼机
4.5 DBN
4.6 卷积神经网络
4.7 不会忘记你：循环神经网络
4.8 你是我的眼：利用稀疏编码器找图像的基本单位
4.9 你是我的眼（续）
4.10 使用深度信念网搞定花分类
5 深度学习的胜利：AlphaGo
5.1 AI如何玩棋类游戏
5.2 围棋的复杂性
5.3 AlphaGo的主要原理
5.4 重要的技术进步
5.5 一些可以改进的地方
5.6 未来
6 两个重要的概念
6.1 迁移学习
6.2 概率图模型
7 杂项
7.1 如何为不同类型的问题选择模型
7.2 我们如何学习“深度学习”
7.3 如何理解机器学习和深度学习的差异
7.4 大规模学习（Large Scale Learning）和并行计算
7.5 如果喜欢应用领域，可以考虑以下几种应用
7.6 类脑：人工智能的终极目标
参考文献
术语
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
