《神经网络与深度学习应用实战》内容简介

《神经网络与深度学习应用实战》结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。《神经网络与深度学习应用实战》不仅能让读者对当前神经网络和深度学习技术有体系的认知，更能让读者在人工智能领域进行一些深入思考。
刘凡平，硕士，毕业于中国科学技术大学，专注于大数据分析、搜索引擎、机器学习和深度学习研究，曾任职于微软亚太研发集团，现任职于百度（中国）有限公司，曾出版《大数据搜索引擎原理分析及编程》《大数据时代的算法》，是执着于将互联网技术演绎为艺术的完美追求者。

作品目录

前言
致谢
基础篇
第1章：时代崛起
1.1、概要
1.2、历史发展
1.3、应用领域
1.4、未来猜想
1.5、本章小结
第2章：数学理论基础
2.1、向量
2.2、矩阵
2.3、导数
2.4、数值计算
2.5、概率分布
2.6、参数估计
2.7、回归分析
2.8、判定问题
2.9、本章小结
第3章：机器学习概要
3.1、机器学习的类型
3.2、机器学习中常见的函数
3.3、机器学习中的重要参数
3.4、拟合问题
3.5、交叉检验
3.6、线性可分与不可分
3.7、机器学习的学习特征
3.8、产生式模型与判别式模型
3.9、机器学习效果的一般评价指标
3.10、本章小结
第4章：神经网络基础
4.1、概述
4.2、常见学习方法
4.3、优化方法：梯度下降
4.4、常见的神经网络类型
4.5、深度学习中常见的网络类型
4.6、其他神经网络与深度学习
4.7、深度学习与多层神经网络的关系
4.8、调参技巧
4.9、本章小结
进阶篇
第5章：前馈型神经网络
5.1、概述
5.2、常见结构
5.3、单层感知器网络
5.4、BP神经网络
5.5、径向基函数神经网络
5.6、本章小结
第6章：反馈型神经网络
6.1、概述
6.2、Hopfield神经网络
6.3、Elman神经网络
6.4、递归神经网络
6.5、本章小结
第7章：自组织竞争型神经网络
7.1、概述
7.2、常见的聚类方法
7.3、自组织映射网络
7.4、其他自组织竞争型神经网络
7.5、本章小结
高阶篇
第8章：卷积神经网络
8.1、概述
8.2、卷积
8.3、卷积核
8.4、卷积神经网络中各层工作原理
8.5、卷积神经网络的逆向过程
8.6、常见卷积神经网络结构
8.7、应用场景与效果评估
8.8、MAXOUT
NETWORKS
8.9、本章小结
第9章：循环神经网络
9.1、概述
9.2、一般循环神经网络
9.3、训练算法：BPTT算法
9.4、长短时记忆网络
9.5、常见循环神经网络结构
9.6、与自然语言处理结合
9.7、实例：文本自动生成
9.8、本章小结
第10章：深度信念网络
10.1、概要
10.2、受限玻尔兹曼机
10.3、训练过程
10.4、本章小结
第11章：生成对抗网络
11.1、概述
11.2、朴素生成对抗网络
11.3、深度卷积生成对抗网络
11.4、条件生成对抗网络
11.5、瓦瑟斯坦生成对抗网络
11.6、生成对抗网络的探索
11.7、本章小结
第12章：深度强化学习
12.1、概述
12.2、马尔科夫决策过程
12.3、深度强化学习算法
12.4、强化学习的探索
12.5、本章小结