鏈接：pan.baidu.com/s/1PimnaQreGtAEclYZPaC8Kw?pwd=wyp9?

提取碼：wyp9

自早期以來，神經(jīng)網(wǎng)絡(luò)就一直是人工智能的支柱。現(xiàn)在，令人興奮的新技術(shù)（例如深度學(xué)習(xí)和卷積）正在將神經(jīng)網(wǎng)絡(luò)帶入一個全新的方向。在本書中，我們將演示各種現(xiàn)實世界任務(wù)中的神經(jīng)網(wǎng)絡(luò)，例如圖像識別和數(shù)據(jù)科學(xué)。我們研究了當(dāng)前的神經(jīng)網(wǎng)絡(luò)技術(shù)，包括ReLU 激活、隨機梯度下降、交叉熵、正則化、Dropout 及可視化等。

《人工智能算法 卷3 深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)（全彩印刷）》

第 1 章　神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 1

1.1　神經(jīng)元和層　2

1.2　神經(jīng)元的類型　5

1.3　激活函數(shù)　10

1.4　修正線性單元（ReLU）13

1.5　神經(jīng)網(wǎng)絡(luò)邏輯　19

1.6　本章小結(jié)　22

第　2 章 自組織映射　23

2.1　自組織映射　24

2.2　本章小結(jié)　33

第　3 章 Hopfield 網(wǎng)絡(luò)和玻爾茲曼機34

3.1　Hopfield 神經(jīng)網(wǎng)絡(luò)　34

3.2　Hopfield-Tank 網(wǎng)絡(luò)　41

3.3　玻爾茲曼機　42

3.4　應(yīng)用玻爾茲曼機　45

3.5　本章小結(jié)　51

第　4 章 前饋神經(jīng)網(wǎng)絡(luò)　53

4.1　前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　54

4.2　計算輸出　56

4.3　初始化權(quán)重　60

4.4　徑向基函數(shù)網(wǎng)絡(luò)　63

4.5　規(guī)范化數(shù)據(jù)　67

4.6　本章小結(jié)　75

第　5 章 訓(xùn)練與評估　77

5.1　評估分類　78

5.2　評估回歸　88

5.3　模擬退火訓(xùn)練　89

5.4　本章小結(jié)　92

第　6 章 反向傳播訓(xùn)練　93

6.1　理解梯度　93

6.2　計算輸出節(jié)點增量　98

6.3　計算剩余節(jié)點增量　99

6.4　激活函數(shù)的導(dǎo)數(shù)　100

6.5　應(yīng)用反向傳播　103

6.6　本章小結(jié)　108

第　7 章 其他傳播訓(xùn)練　110

7.1　彈性傳播　110

7.2　RPROP 參數(shù)　111

7.3　數(shù)據(jù)結(jié)構(gòu)　113

7.4　理解 RPROP　114

7.5　Levenberg-Marquardt 算法　116

7.6　Hessian 矩陣的計算　119

7.7　具有多個輸出的 LMA　120

7.8　LMA 過程概述　122

7.9　本章小結(jié)　122

第　8 章 NEAT，CPPN 和 HyperNEAT　124

8.1　NEAT 網(wǎng)絡(luò)　125

8.2　CPPN 網(wǎng)絡(luò)　134

8.3　HyperNEAT 網(wǎng)絡(luò)　138

8.4　本章小結(jié)　142

第　9 章 深度學(xué)習(xí)　143

9.1　深度學(xué)習(xí)組件　143

9.2　部分標(biāo)記的數(shù)據(jù)　144

9.3　修正線性單元　145

9.4　卷積神經(jīng)網(wǎng)絡(luò)　145

9.5　神經(jīng)元 Dropout　146

9.6　GPU 訓(xùn)練　147

9.7　深度學(xué)習(xí)工具　149

9.8　深度信念神經(jīng)網(wǎng)絡(luò)　152

9.9　本章小結(jié)　164

第　10 章 卷積神經(jīng)網(wǎng)絡(luò)　165

10.1　LeNET-5　166

10.2　卷積層　168

10.3　最大池層　170

10.4　稠密層　172

10.5　針對 MNIST 數(shù)據(jù)集的 ConvNets　172

10.6　本章小結(jié)　174

第　11 章 剪枝和模型選擇　175

11.1　理解剪枝　176

11.2　剪枝算法　177

11.3　模型選擇　179

11.4　本章小結(jié)　185

第　12 章 Dropout 和正則化　186

12.1　L1 和 L2 正則化　187

12.2　Dropout 層　190

12.3　使用 Dropout　194

12.4　本章小結(jié)　195

第　13 章 時間序列和循環(huán)網(wǎng)絡(luò)　197

13.1　時間序列編碼　198

13.2　簡單循環(huán)神經(jīng)網(wǎng)絡(luò)　204

13.3　本章小結(jié)　213

第　14 章 架構(gòu)神經(jīng)網(wǎng)絡(luò)　214

14.1　評估神經(jīng)網(wǎng)絡(luò)　215

14.2　訓(xùn)練參數(shù)　215

14.3　常規(guī)超參數(shù)　220

14.4　LeNet-5 超參數(shù)　223

14.5　本章小結(jié)　224

第　15 章 可視化　226

15.1　混淆矩陣　227

15.2　t-SNE 降維　229

15.3　本章小結(jié)　236

第　16 章 用神經(jīng)網(wǎng)絡(luò)建?！?37

16.0.1　挑戰(zhàn)賽的經(jīng)驗　241

16.0.2　挑戰(zhàn)賽取勝的方法　242

16.0.3　我們在挑戰(zhàn)賽中的方法　244

16.1　用深度學(xué)習(xí)建模　245

16.2　本章小結(jié)　250

附錄　A 示例代碼使用說明　252

A.1　系列圖書簡介　252

A.2　保持更新　252

A.3　獲取示例代碼　253

A.3.1　下載壓縮文件　253

A.3.2　克隆 Git 倉庫　254

A.4　示例代碼的內(nèi)容　255

A.5　如何為項目做貢獻(xiàn)　257

參考資料　259