关键时刻,第一时间送达
《神经网络与深度学习》原名为:《Neural Networks and Deep Learning A Textbook》。本书涵盖了深度学习的理论和算法,并详细讨论了神经网络与传统机器学习算法的关系。
作者简介
Charu C. Aggarwal是位于纽约Yorktown Heights的IBM T. J. Watson研究中心的杰出研究成员。
内容简介
本书涵盖了深度学习中的经典和现代模型。主要关注深度学习的理论和算法。神经网络的理论和算法对于理解重要概念尤为重要,因此人们可以理解不同应用中神经架构的重要设计概念。为什么神经网络有效?什么时候它们比现成的机器学习模型更好?什么时候深度有用?为什么训练神经网络如此困难?有什么陷阱?本书还丰富地讨论了不同的应用程序,以便让从业者了解神经架构如何针对不同类型的问题进行设计。涵盖与许多不同领域相关的应用,如推荐系统,机器翻译,图像字幕,图像分类,基于强化学习的游戏和文本分析。本书的章节分为三类:
神经网络的基础知识:许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章强调了解传统机器学习与神经网络之间的关系。支持向量机,线性/逻辑回归,奇异值分解,矩阵分解和推荐系统被证明是神经网络的特例。这些方法与最近的特征工程方法(如word2vec)一起研究。
神经网络的基本原理:第3章和第4章详细讨论了训练和正则化。第5章和第6章介绍了径向基函数(RBF)网络和受限制的玻尔兹曼机器。
神经网络的高级Topics:第7章和第8章讨论了递归神经网络和卷积神经网络。第9章和第10章介绍了深度强化学习,神经图灵机,Kohonen自组织映射和生成对抗网络等几个高级topics。
这本书是为研究生,研究人员和从业者编写的。提供了大量练习以及解决方案手册,以帮助课堂教学。在可能的情况下,突出显示以应用程序为中心的视图,以便了解每类技术的实际用途。
目录(节选)
涵盖神经网络、机器学习、深度神经网络、RNN、CNN、增强学习等知识点
电子书下载
512页的新书《神经网络与深度学习》PDF已经打包好,获取步骤如下:
1.关注"深度学习工坊"公众号
领取专属 10元无门槛券
私享最新 技术干货