●第 1章 緒論 1.1 深度學習與機器學習 21.2 深度學習的發展歷程 31.3 為什麼是深度學習 61.4 什麼是深度學習 71.5 本書結構 9第 2章 神經網絡2.1 神經網絡的歷史 122.2 M-P模型 142.3 感知器 162.4 多層感知器 182.5 誤差反向傳播算法 192.6 誤差函數和激活函數 282.7 似然函數 302.8 隨機梯度下降法 312.9 學習率 322.10 小結 33第3章 卷積神經網絡3.1 卷積神經網絡的結構 363.2 卷積層 383.3 池化層 393.4 全連接層 403.5 輸出層 413.6 神經網絡的訓練方法 413.7 小結 48第4章 受限玻爾茲曼機4.1 Hopfield 神經網絡 504.2 玻爾茲曼機 554.3 受限玻爾茲曼機 594.4 對比散度算法 614.5 深度信念網絡 644.6 小結 66第5章 自編碼器5.1 自編碼器 685.2 降噪自編碼器 715.3 稀疏自編碼器 735.4 棧式自編碼器 765.5 在預訓練中的應用 775.6 小結 78第6章 提高泛化能力的方法6.1 訓練樣本 806.2 預處理 886.3 激活函數 926.4 Dropout 946.5 DropConnect 966.6 小結 98第7章 深度學習工具7.1 深度學習開發環境 1007.2 Theano 1007.3 Pylearn2 1087.4 Caffe 1187.5 訓練繫統——DIGITS1377.6 Chainer 1457.7 TensorFlow 1607.8 小結 176第8章 深度學習的現在和未來8.1 深度學習的應用案例1788.2 深度學習的未來 1958.3 小結 197參考文獻 198
內容簡介
本書從深度學習的發展歷程講起,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。內容涉及神經網絡、卷積神經網絡、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 在內的深度學習工具的安裝和使用方法。