本書從深度學習的發(fā)展歷程講起，以豐富的圖例從理論和實踐兩個層面介紹了深度學習的各種方法，以及深度學習在圖像識別等領域的應用案例。內(nèi)容涉及神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。此外，還介紹了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在內(nèi)的深度學習工具的安裝和使用方法。
1.實用
136張圖+60段代碼幫助理解相關理論和工具的使用方法。可作為專業(yè)理論書籍、參考文獻的輔助讀物隨時翻閱
2.專業(yè)
濃縮深度學習的關鍵知識點，內(nèi)容涉及神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、受限玻爾茲曼機、自編碼器、泛化能力的提高等。同時輔以代碼，介紹了Theano、Pylearn2、Caffe、DIGITS、Chainer和TensorFlow等深度學習工具的安裝和使用方法。
3.易懂
圖文并茂，知識點清晰直觀、便于理解。全彩印刷、版式精美，技術書也可賞心悅目。
山下隆義（作者）
1978年出生于日本神戶，2002年修完博士前期課程，并于當年入職歐姆龍股份有限公司，主要從事快速人臉圖像檢測相關的軟件研究和開發(fā)。2011年在日本中部大學研究生院工學研究科修完博士后期課程，獲得工學博士學位。2014年開始擔任中部大學工學院信息工程系講師。目前從事動畫處理、模式識別和機器學習相關的研究。曾多次榮獲日本深度學習研究相關獎項，并在多個相關研討會上擔任講師。
張彌（譯者）
畢業(yè)于大連外國語大學日本語學院�，F(xiàn)就職于某日本大型跨國公司，從事技術翻譯工作，具有豐富的軟件開發(fā)和醫(yī)學翻譯經(jīng)驗。喜歡挑戰(zhàn)新事物，樂于學習新知識和接觸新領域。
第 1章 緒論
1.1 深度學習與機器學習 2
1.2 深度學習的發(fā)展歷程 3
1.3 為什么是深度學習 6
1.4 什么是深度學習 7
1.5 本書結(jié)構(gòu) 9
第 2章 神經(jīng)網(wǎng)絡
2.1 神經(jīng)網(wǎng)絡的歷史 12
2.2 M-P模型 14
2.3 感知器 16
2.4 多層感知器 18
2.5 誤差反向傳播算法 19
2.6 誤差函數(shù)和激活函數(shù) 28
2.7 似然函數(shù) 30
2.8 隨機梯度下降法 31
2.9 學習率 32
2.10 小結(jié) 33
第3章 卷積神經(jīng)網(wǎng)絡
3.1 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu) 36
3.2 卷積層 38
3.3 池化層 39
3.4 全連接層 40
3.5 輸出層 41
3.6 神經(jīng)網(wǎng)絡的訓練方法 41
3.7 小結(jié) 48
第4章 受限玻爾茲曼機
4.1 Hopfield 神經(jīng)網(wǎng)絡 50
4.2 玻爾茲曼機 55
4.3 受限玻爾茲曼機 59
4.4 對比散度算法 61
4.5 深度信念網(wǎng)絡 64
4.6 小結(jié) 66
第5章 自編碼器
5.1 自編碼器 68
5.2 降噪自編碼器 71
5.3 稀疏自編碼器 73
5.4 棧式自編碼器 76
5.5 在預訓練中的應用 77
5.6 小結(jié) 78
第6章 提高泛化能力的方法
6.1 訓練樣本 80
6.2 預處理 88
6.3 激活函數(shù) 92
6.4 Dropout 94
6.5 DropConnect 96
6.6 小結(jié) 98
第7章 深度學習工具
7.1 深度學習開發(fā)環(huán)境 100
7.2 Theano 100
7.3 Pylearn2 108
7.4 Caffe 118
7.5 訓練系統(tǒng)——DIGITS137
7.6 Chainer 145
7.7 TensorFlow 160
7.8 小結(jié) 176
第8章 深度學習的現(xiàn)在和未來
8.1 深度學習的應用案例178
8.2 深度學習的未來 195
8.3 小結(jié) 197
參考文獻 198
書單推薦
