内容简介 · · · · · ·
《深度学习的数学》基于丰富的图示和具体示例,通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的最优化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证,帮助读者直观地体验深度学习的原理。
作者简介 · · · · · ·
作者简介:
涌井良幸
1950年生于东京,毕业于东京教育大学(现筑波大学)数学系,现为自由职业者。著有《用Excel学深度学习》(合著)、《统计学有什么用?》等。
涌井贞美
1952年生于东京,完成东京大学理学系研究科硕士课程,现为自由职业者。著有《用Excel学深度学习》(合著)、《图解贝叶斯统计入门》等。
译者简介:
杨瑞龙(
1982年生,2008年北京大学数学科学学院硕士毕业,软件开发者,从事软件行业10年。2013年~2016年赴日工作3年,从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。
目录 · · · · · ·
1 - 1 神经网络和深度学习 2
1 - 2 神经元工作的数学表示 6
1 - 3 激活函数:将神经元的工作一般化 12
1 - 4 什么是神经网络 18
1 - 5 用恶魔来讲解神经网络的结构 23
· · · · · · (更多)
1 - 1 神经网络和深度学习 2
1 - 2 神经元工作的数学表示 6
1 - 3 激活函数:将神经元的工作一般化 12
1 - 4 什么是神经网络 18
1 - 5 用恶魔来讲解神经网络的结构 23
1 - 6 将恶魔的工作翻译为神经网络的语言 31
1 - 7 网络自学习的神经网络 36
第2章 神经网络的数学基础
2 - 1 神经网络所需的函数 40
2 - 2 有助于理解神经网络的数列和递推关系式 46
2 - 3 神经网络中经常用到的Σ符号 51
2 - 4 有助于理解神经网络的向量基础 53
2 - 5 有助于理解神经网络的矩阵基础 61
2 - 6 神经网络的导数基础 65
2 - 7 神经网络的偏导数基础 72
2 - 8 误差反向传播法必需的链式法则 76
2 - 9 梯度下降法的基础:多变量函数的近似公式 80
2 - 10 梯度下降法的含义与公式 83
2 - 11 用Excel 体验梯度下降法 91
2 - 12 最优化问题和回归分析 94
第3章 神经网络的最优化
3 - 1 神经网络的参数和变量 102
3 - 2 神经网络的变量的关系式 111
3 - 3 学习数据和正解 114
3 - 4 神经网络的代价函数 119
3 - 5 用Excel体验神经网络 127
第4章 神经网络和误差反向传播法
4 - 1 梯度下降法的回顾 134
4 - 2 神经单元误差 141
4 - 3 神经网络和误差反向传播法 146
4 - 4 用Excel体验神经网络的误差反向传播法 153
第5章 深度学习和卷积神经网络
5 - 1 小恶魔来讲解卷积神经网络的结构 168
5 - 2 将小恶魔的工作翻译为卷积神经网络的语言 174
5 - 3 卷积神经网络的变量关系式 180
5 - 4 用Excel体验卷积神经网络 193
5 - 5 卷积神经网络和误差反向传播法 200
5 - 6 用Excel体验卷积神经网络的误差反向传播法 212
附录
A 训练数据(1) 222
B 训练数据(2) 223
C 用数学式表示模式的相似度 225
· · · · · · (收起)
"深度学习的数学"试读 · · · · · ·
近年来,我们在媒体上到处可见人工智能(AI)这个词,而深度学习是人工智能的一种实现方法。下面我们就来简单地看一下深度学习具有怎样划时代的意义。 下面是三张花的图片 ,它们都具有同一个名字,那究竟是什么呢? 答案是玫瑰。虽然大小和形状都不一样,但这些的确都是玫瑰花的图片。看到玫瑰花的图片,我们理所当然就能辨别出“这是玫瑰花”。 在计算机和数学的世界中,..
原文摘录 · · · · · ·
丛书信息
· · · · · ·
喜欢读"深度学习的数学"的人也喜欢的电子书 · · · · · ·
喜欢读"深度学习的数学"的人也喜欢 · · · · · ·
- 动手学深度学习 9.3
- 白话机器学习的数学 8.6
- 深入浅出神经网络与深度学习 8.7
- 程序员的数学2 8.1
- 程序员数学 9.2
- 统计思维 (第2版) 7.7
- 机器学习实战 (原书第2版) 9.5
- Python神经网络编程 9.1
- 机会的数学 8.8
深度学习的数学的书评 · · · · · · ( 全部 6 条 )
> 更多书评 6篇
论坛 · · · · · ·
在这本书的论坛里发言以下书单推荐 · · · · · · ( 全部 )
- 评分可能虚高书籍(一) (无心恋战)
- 深度学习与人工智能 (lyb)
- 图灵新知|高分科普读物 (图灵新知)
- 阶梯阅读书目第一期 (白宇极)
- CS推荐 (橄榄树萍)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有1796人想读,手里有一本闲着?
订阅关于深度学习的数学的评论:
feed: rss 2.0
0 有用 ASUKALC 穷折腾 2020-06-27 13:04:14
这,不就是一本习题集么?
1 有用 唐超旬 2019-11-16 10:10:48
本想看些相关的数学,但谁知道这书内容太浅了。但日系书的特点是讲解得逻辑清晰易懂,从神经细胞none or all的特性到人工神经单元再到神经网络和深度学习,串得比较好,相关数学基础也科普到位,并用简单的例子将不太具可解释性的神经网络做了原理解释,比较不错。选择excel做实验工具,让神经网络计算过程完全展示出来,比成熟的AI工具更有助于理解原理。但对初始参数的设定以及原理外的内容讲的太少,导致全书... 本想看些相关的数学,但谁知道这书内容太浅了。但日系书的特点是讲解得逻辑清晰易懂,从神经细胞none or all的特性到人工神经单元再到神经网络和深度学习,串得比较好,相关数学基础也科普到位,并用简单的例子将不太具可解释性的神经网络做了原理解释,比较不错。选择excel做实验工具,让神经网络计算过程完全展示出来,比成熟的AI工具更有助于理解原理。但对初始参数的设定以及原理外的内容讲的太少,导致全书就只是入门级的科普书。 (展开)
1 有用 述而不作 2022-05-11 10:31:45
28th & 10+。 对于要入门的人来说,要紧的不是掌握很多炫酷的名词去唬人,而是从根源上去理解为什么需要这些概念。这本书从生物神经元出发,逐步地给出数学上对于神经网络的概念,进而对一些最基本的算法做了介绍,真正做到了深入浅出。虽然这不意味着“深度学习的数学”仅有如上的意义,但其内核总归是如此。 日本人写书有太多可资借鉴之处,图形化的表示就是一个非常有趣的方法。
0 有用 wuzzz 2021-04-08 21:47:16
写的算是比较细了
6 有用 wdpm 2019-11-11 12:07:29
优点:书很薄,注重细节,大量图示方便理解记忆。 缺点:数学公式太多,容易让人产生困惑。亮点:excel验证法。 总结:作为入门书,对于理解深度学习可以一读。
0 有用 声明水上书 2024-04-28 12:59:24 四川
深入浅出,非常好的一本介绍神经网络的基础书
0 有用 乐陶陶 2024-04-21 11:15:08 上海
误差反向传播后就看不懂了,还是有点难度,不是0入门。总体该可以,应该是市面上最浅的学习材料。
0 有用 12 2024-04-18 12:51:08 江苏
写的很清楚,后面的部分有些看不懂,但原理可以基本掌握
0 有用 量子孤岛 2024-04-03 19:38:12 上海
如果你想了解深度学习的梯度下降算法和反向传播算法,这是一本非常好的入门科普书籍。看着花了两个小时看完了,面对曾经无比熟悉的数学公式,又陌生又亲切,像见了一位多年未曾谋面的老朋友。
0 有用 顾晅 2024-03-08 00:22:45 北京
非常好的剃度下降和反向传播原理书籍介绍。2024.03.08再度