人人可懂的深度学习/信息技术科普丛书

译者序前言致谢第1章┆深度学习概述 / 11.1 人工智能、机器学习和深度学习 / 41.2 什么是机器学习 / 101.3 机器学习为何如此困难 / 141.4 机器学习的关键要素 / 181.5 有监督学习、无监督学习和强化学习 / 211.6 深度学习为何如此成功 / 241.7 本章小结及本书内容安排 / 27第2章┆预备知识 / 312.1 什么是数学模型 / 322.2 含有多个输入的线性模型 / 352.3 线性模型的参数设置 / 372.4 从数据中学习模型参数 / 392.5 模型的组合 / 442.6 输入空间、权重空间和激活空间 / 462.7 本章小结 / 49第3章┆神经网络：深度学习的基石 / 513.1 人工神经网络 / 533.2 人工神经元是如何处理信息的 / 563.3 为什么需要激活函数 / 613.4 神经元参数的变化如何影响神经元的行为 / 653.5 使用GPU加速神经网络的训练 / 733.6 本章小结 / 77第4章┆深度学习简史 / 804.1 早期研究：阈值逻辑单元 / 834.2 连接主义：多层感知机 / 984.3 深度学习时代 / 1144.4 本章小结 / 124第5章┆卷积神经网络和循环神经网络 / 1265.1 卷积神经网络 / 1275.2 循环神经网络 / 135第6章┆神经网络的训练 / 1476.1 梯度下降 / 1496.2 使用反向传播训练神经网络 / 165第7章┆深度学习的未来 / 1817.1 推动算法革新的大数据 / 1837.2 新模型的提出 / 1877.3 新形式的硬件 / 1897.4 可解释性问题 / 1927.5 结语 / 196术语表 / 197参考文献 / 203延伸阅读 / 208