人人可懂的深度学习

作品简介

采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。

作者：【爱尔兰】约翰·D.凯莱赫（John D. Kelleher）。

译者：赵启军。

作品目录

• 译者序
• 前言
• 致谢
• 第1章 深度学习概述
• 1.1　人工智能、机器学习和深度学习
• 1.2　什么是机器学习
• 1.3　机器学习为何如此困难
• 1.4　机器学习的关键要素
• 1.5　有监督学习、无监督学习和强化学习
• 1.6　深度学习为何如此成功
• 1.7　本章小结及本书内容安排
• 第2章 预备知识
• 2.1　什么是数学模型
• 2.2　含有多个输入的线性模型
• 2.3　线性模型的参数设置
• 2.4　从数据中学习模型参数
• 2.5　模型的组合
• 2.6　输入空间、权重空间和激活空间
• 2.7　本章小结
• 第3章 神经网络：深度学习的基石
• 3.1　人工神经网络
• 3.2　人工神经元是如何处理信息的
• 3.3　为什么需要激活函数
• 3.4　神经元参数的变化如何影响神经元的行为
• 3.5　使用GPU加速神经网络的训练
• 3.6　本章小结
• 第4章 深度学习简史
• 4.1　早期研究：阈值逻辑单元
• 4.2　连接主义：多层感知机
• 4.3　深度学习时代
• 4.4　本章小结
• 第5章 卷积神经网络和循环神经网络
• 5.1　卷积神经网络
• 5.2　循环神经网络
• 第6章 神经网络的训练
• 6.1　梯度下降
• 6.2　使用反向传播训练神经网络
• 第7章 深度学习的未来
• 7.1　推动算法革新的大数据
• 7.2　新模型的提出
• 7.3　新形式的硬件
• 7.4　可解释性问题
• 7.5　结语
• 术语表
• 参考文献
• 延伸阅读