●章神經網絡的思想
1-1神經網絡和深度學習2
1-工作的數學表示6
1-3激活函數:的工作一般化12
1-4什麼是神經網絡18
1-5用惡魔來講解神經網絡的結構23
1-6將惡魔的工作翻譯為神經網絡的語言31
1-7網絡自學習的神經網絡36
第2章神經網絡的數學基礎
2-1神經網絡所需的函數40
2-2有助於理解神經網絡的數列和遞推關繫式46
2-3神經網絡中經常用到的Σ符號51
2-4有助於理解神經網絡的向量基礎53
2-5有助於理解神經網絡的矩陣基礎61
2-6神經網絡的導數基礎65
2-7神經網絡的偏導數基礎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很優化問題和回歸分析94
第3章神經網絡的很優化
3-1神經網絡的參數和變量102
3-2神經網絡的變量的關繫式111
3-3學習數據和正解114
3-4神經網絡的代價函數119
3-5用Excel體驗神經網絡127
第4章神經網絡和誤差反向傳播法
4-1梯度下降法的回顧134
4-2誤差141
4-3神經網絡和誤差反向傳播法146
4-4用Excel體驗神經網絡的誤差反向傳播法153
第5章深度學習和卷積神經網絡
5-1小惡魔來講解卷積神經網絡的結構168
5-2將小惡魔的工作翻譯為卷積神經網絡的語言174
5-3卷積神經網絡的變量關繫式180
5-4用Excel體驗卷積神經網絡193
5-5卷積神經網絡和誤差反向傳播法200
5-6用Excel體驗卷積神經網絡的誤差反向傳播法212
附錄
A訓練數據(1)222
B訓練數據(2)223
C用數學式表示模式的相似度225