×
深度学习的数学

深度学习的数学

1星价 ¥58.7 (8.5折)
2星价¥58.7 定价¥69.0
  • 正版好图书
  • 特价书1折起
  • 满69包邮(新疆、西藏等六省除外,运费14元起)
暂无评论
图文详情
  • ISBN:9787115509345
  • 装帧:简裝本
  • 版次:1
  • 册数:暂无
  • 重量:暂无
  • 印刷次数:1
  • 开本:32开
  • 页数:225
  • 出版时间:2019-05-01
  • 条形码:9787115509345 ; 978-7-115-50934-5

本书特色

《深度学习的数学》基于丰富的图示和具体示例,通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的*化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证,帮助读者直观地体验深度学习的原理。

内容简介

一本书掌握深度学习的数学基础知识!
结合235幅插图和大量示例
基于Excel实践,直击神经网络根本原理
1.图文直观
穿插235幅插图和大量具体示例讲解,对易错点、重点反复说明,通俗易懂。
2.结合Excel实践
书中使用Excel进行理论验证,读者可下载随书附带的Excel示例文件,亲自动手操作,直观地体验深度学习。
3.只需基础的数学知识
适合数学基础薄弱的深度学习初学者阅读,有一定基础的读者也可以通过本书加深理解。

目录

第1 章 神经网络的思想

1 - 1 神经网络和深度学习 2

1 - 2 神经元工作的数学表示 6

1 - 3 激活函数:将神经元的工作一般化 12

1 - 4 什么是神经网络 18

1 - 5 用恶魔来讲解神经网络的结构 23

1 - 6 将恶魔的工作翻译为神经网络的语言 31

1 - 7 网络自学习的神经网络 36

第2 章 神经网络的数学基础

2 - 1 神经网络所需的函数 40

2 - 2 有助于理解神经网络的数列和递推关系式 46

2 - 3 神经网络中经常用到的Σ符号 51

2 - 4 有助于理解神经网络的向量基础 53

2 - 5 有助于理解神经网络的矩阵基础 61

2 - 6 神经网络的导数基础 65

2 - 7 神经网络的偏导数基础 72

2 - 8 误差反向传播法必需的链式法则 76

2 - 9 梯度下降法的基础:多变量函数的近似公式 80

2 - 10 梯度下降法的含义与公式 83

2 - 11 用Excel 体验梯度下降法 91

2 - 12 *优化问题和回归分析 94

第3 章 神经网络的*优化

3 - 1 神经网络的参数和变量 102

3 - 2 神经网络的变量的关系式 111

3 - 3 学习数据和正解 114

3 - 4 神经网络的代价函数 119

3 - 5 用Excel体验神经网络 127

第4 章 神经网络和误差反向传播法

4 - 1 梯度下降法的回顾 134

4 - 2 神经单元误差 141

4 - 3 神经网络和误差反向传播法 146

4 - 4 用Excel体验神经网络的误差反向传播法 153

第5 章 深度学习和卷积神经网络

5 - 1 小恶魔来讲解卷积神经网络的结构 168

5 - 2 将小恶魔的工作翻译为卷积神经网络的语言 174

5 - 3 卷积神经网络的变量关系式 180

5 - 4 用Excel体验卷积神经网络 193

5 - 5 卷积神经网络和误差反向传播法 200

5 - 6 用Excel体验卷积神经网络的误差反向传播法 212

附录 

A 训练数据(1) 222

B 训练数据(2) 223

C 用数学式表示模式的相似度 225




展开全部

作者简介

涌井良幸(作者)

1950年生于东京,毕业于东京教育大学(现筑波大学)数学系,现为自由职业者。著有《用Excel学深度学习》(合著)、《统计学有什么用?》等。



涌井贞美(作者)

1952年生于东京,完成东京大学理学系研究科硕士课程,现为自由职业者。著有《用Excel学深度学习》(合著)、《图解贝叶斯统计入门》等。



杨瑞龙(译者)

1982年生,2008年北京大学数学科学学院硕士毕业,软件开发者,从事软件行业10年。2013年~2016年赴日工作3年,从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航