512 页《神经网络与深度学习》

重磅干货，第一时间送达

今天给大家介绍一本最新出版的深度学习书籍《Neural Networks and Deep Learning》，作者 Charu C. Aggarwal 是 IBM 沃森研究中心的杰出研究员。这本书共 512 页，包含了从一线工业界讲述了深度神经网络的基础、训练、泛化，以及 CNN、RNN、RL，还包括注意力机制、GAN 等最新主题，以及 AlphaGo Zero 等应用，是一份非常值得收藏的深度学习资料。

书籍介绍：

这本书涵盖了在深度学习中的经典理论和最新知识。重点是深入学习的理论和算法。神经网络的理论和算法对于理解重要概念尤其重要，从而使人们能够理解神经网络体系结构在不同应用中的重要设计概念。为什么神经网络工作？他们什么时候比现成的机器学习模式更好？深度什么时候有用？为什么训练神经网络如此困难？什么是陷阱？这本书还丰富地讨论了不同的应用程序，以便让从业者了解如何为不同类型的问题设计神经架构。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：

1. 神经网络的基础

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。前两章重点介绍了传统机器学习与神经网络的关系。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 word2vec 等最新的特征工程方法一起进行了研究。

2. 神经网络的基本原理

第 3 章和第 4 章详细讨论了模型训练和正规化。第 5 章和第 6 章介绍了径向基函数（RBF）网络和受限玻尔兹曼机器。

3. 神经网络前沿主题

第 7 章和第 8 章讨论了循环神经网络和卷积神经网络。第 9 章和第 10 章介绍了一些高级主题，如深层强化学习、神经图灵机、Kohonen 自组织图和生成对抗网络。

面向群体：

这本书是为研究生、研究人员和从业者而写的。许多练习和解决方案手册一起提供，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。

书籍目录：

这本书的详细目录如下：

资源下载

目前，《神经网络与深度学习》电子书 pdf 已经整理打包完毕。获取方式如下：