深度學習的數(shù)學

第 1 章　神經(jīng)網(wǎng)絡的思想
1　- 1 神經(jīng)網(wǎng)絡和深度學習　2
1　- 2 神經(jīng)元工作的數(shù)學表示　6
1　- 3 激活函數(shù)：將神經(jīng)元的工作一般化　12
1　- 4 什么是神經(jīng)網(wǎng)絡　18
1　- 5 用惡魔來講解神經(jīng)網(wǎng)絡的結構　23
1　- 6 將惡魔的工作翻譯為神經(jīng)網(wǎng)絡的語言　31
1　- 7 網(wǎng)絡自學習的神經(jīng)網(wǎng)絡　36
第　2 章 神經(jīng)網(wǎng)絡的數(shù)學基礎
2　- 1 神經(jīng)網(wǎng)絡所需的函數(shù)　40
2　- 2 有助于理解神經(jīng)網(wǎng)絡的數(shù)列和遞推關系式　46
2　- 3 神經(jīng)網(wǎng)絡中經(jīng)常用到的Σ符號　51
2　- 4 有助于理解神經(jīng)網(wǎng)絡的向量基礎　53
2　- 5 有助于理解神經(jīng)網(wǎng)絡的矩陣基礎　61
2　- 6 神經(jīng)網(wǎng)絡的導數(shù)基礎　65
2　- 7 神經(jīng)網(wǎng)絡的偏導數(shù)基礎　72
2　- 8 誤差反向傳播法必需的鏈式法則　76
2　- 9 梯度下降法的基礎：多變量函數(shù)的近似公式　80
2　- 10 梯度下降法的含義與公式　83
2　- 11 用Excel 體驗梯度下降法　91
2　- 12 最優(yōu)化問題和回歸分析　94
第3　章 神經(jīng)網(wǎng)絡的最優(yōu)化
3　- 1 神經(jīng)網(wǎng)絡的參數(shù)和變量　102
3　- 2 神經(jīng)網(wǎng)絡的變量的關系式　111
3　- 3 學習數(shù)據(jù)和正解　114
3　- 4 神經(jīng)網(wǎng)絡的代價函數(shù)　119
3　- 5 用Excel體驗神經(jīng)網(wǎng)絡　127
第4　章 神經(jīng)網(wǎng)絡和誤差反向傳播法
4　- 1 梯度下降法的回顧　134
4　- 2 神經(jīng)單元誤差　141
4　- 3 神經(jīng)網(wǎng)絡和誤差反向傳播法　146
4　- 4 用Excel體驗神經(jīng)網(wǎng)絡的誤差反向傳播法　153
第5　章 深度學習和卷積神經(jīng)網(wǎng)絡
5　- 1 小惡魔來講解卷積神經(jīng)網(wǎng)絡的結構　168
5　- 2 將小惡魔的工作翻譯為卷積神經(jīng)網(wǎng)絡的語言　174
5　- 3 卷積神經(jīng)網(wǎng)絡的變量關系式　180
5　- 4 用Excel體驗卷積神經(jīng)網(wǎng)絡　193
5　- 5 卷積神經(jīng)網(wǎng)絡和誤差反向傳播法　200
5　- 6 用Excel體驗卷積神經(jīng)網(wǎng)絡的誤差反向傳播法　212
附錄
A　訓練數(shù)據(jù)（1）　222
B　訓練數(shù)據(jù)（2）　223
C　用數(shù)學式表示模式的相似度　225