●
譯者序
前言
致謝
作者簡介
章神經網絡概論1
1.1簡介1
1.2神經網絡的基本架構3
1.2.1單層計算網絡:感知機3
1.2.2多層神經網絡13
1.2.3多層網絡即計算圖15
1.3利用反向傳播訓練神經網絡16
1.4神經網絡訓練中的實際問題19
1.4.1過擬合問題19
1.4.2梯度消失與梯度爆炸問題22
1.4.3收斂問題22
1.4.4局部優和偽優22
1.4.5計算上的挑戰23
1.5復合函數的能力之謎23
1.5.1非線性激活函數的重要性25
1.5.2利用深度以減少參數26
1.5.3非常規網絡架構27
1.6常見網絡架構28
1.6.1淺層模型模擬基礎機器學習方法28
1.6.2徑向基函數網絡29
1.6.3受限玻爾茲曼機29
1.循環神經網絡30
1.6.5卷積神經網絡31
1.6.6層次特征工程與預訓練模型32
1.7不錯主題34
1.7.1強化學習34
1.7.2分離數據存儲和計算34
1.7.3生成對抗網絡35
1.8基準35
1.8.1MNIST手寫數字數據庫35
1.8.2ImageNet數據庫36
1.9總結37
1.10參考資料說明37
1.10.1講座38
1.10.2軟件資源39
1.11練習39
第2章基於淺層神經網絡的機器學習41
2.1簡介41
2.2二分類模型的神經架構42
2.2.1復習感知機42
2.2.2小二乘回歸44
2.2.3邏輯回歸47
2.2.4支持向量機49
2.3多分類模型的神經架構50
2.3.1多分類感知機51
2.3.2Weston-Watkins支持向量機52
2.3.3多重邏輯回歸(softmax分類器)53
2.3.4應用於多分類的分層softmax54
2.4反向傳播可以用於特征選擇和神經網絡的可解釋性54
2.5使用自編碼器進行矩陣分解55
……