深度學(xué)習(xí)導(dǎo)論

第 1章　前饋神經(jīng)網(wǎng)絡(luò)　1
1．1 感知機(jī)　3
1．2 神經(jīng)網(wǎng)絡(luò)的交叉熵?fù)p失函數(shù)　7
1．3 導(dǎo)數(shù)與隨機(jī)梯度下降　11
1．4 編寫程序　15
1．5 神經(jīng)網(wǎng)絡(luò)的矩陣表示　17
1．6 數(shù)據(jù)獨(dú)立性　19
1．7 參考文獻(xiàn)和補(bǔ)充閱讀　20
1．8 習(xí)題　21
第　2章 Tensorflow　23
2．1 預(yù)備知識(shí)　23
2．2 TF程序　26
2．3 多層神經(jīng)網(wǎng)絡(luò)　31
2．4 其他方面　34
2．4．1 檢查點(diǎn)　34
2．4．2 tensordot　35
2．4．3 TF變量的初始化　37
2．4．4 TF圖創(chuàng)建的簡化　39
2．5 參考文獻(xiàn)和補(bǔ)充閱讀　40
2．6 習(xí)題　40
第3章　卷積神經(jīng)網(wǎng)絡(luò)　43
3．1 濾波器、步長和填充　43
3．2 一個(gè)簡單的TF卷積例子　49
3．3 多層卷積　51
3．4 卷積細(xì)節(jié)　54
3．4．1 偏置　54
3．4．2 卷積層　55
3．4．3 池化運(yùn)算（pooling）　55
3．5 參考文獻(xiàn)和補(bǔ)充閱讀　56
3．6 習(xí)題　57
第4章　詞嵌入與循環(huán)神經(jīng)網(wǎng)絡(luò)　59
4．1 語言模型的詞嵌入　59
4．2 構(gòu)建前饋語言模型　63
4．3 改進(jìn)前饋語言模型　65
4．4 過擬合　66
4．5 循環(huán)網(wǎng)絡(luò)　69
4．6 長短期記憶模型　75
4．7 參考文獻(xiàn)和補(bǔ)充閱讀　78
4．8 習(xí)題　78
第5章　序列到序列學(xué)習(xí)　81
5．1 seq2seq模型　82
5．2 編寫一個(gè)seq2seq MT程序　84
5．3 seq2seq中的注意力機(jī)制　87
5．4 多長度seq2seq　90
5．5 編程練習(xí)　91
5．6 參考文獻(xiàn)和補(bǔ)充閱讀　93
5．7 習(xí)題　94
第6章　深度強(qiáng)化學(xué)習(xí)　97
6．1 值迭代　98
6．2 Q學(xué)習(xí)　101
6．3 深度Q學(xué)習(xí)基礎(chǔ)　103
6．4 策略梯度法　106
6．5 行動(dòng)者-評(píng)論家方法　112
6．6 經(jīng)驗(yàn)回放　114
6．7 參考文獻(xiàn)和補(bǔ)充閱讀　115
6．8 習(xí)題　116
第7章　無監(jiān)督神經(jīng)網(wǎng)絡(luò)模型　119
7．1 基本自編碼　119
7．2 卷積自編碼　122
7．3 變分自編碼　126
7．4 生成式對(duì)抗網(wǎng)絡(luò)　132
7．5 參考文獻(xiàn)和補(bǔ)充閱讀　137
7．6 習(xí)題　137
附錄A　部分習(xí)題答案　139
附錄B　參考文獻(xiàn)　143
附錄C　索引　147
本書贊譽(yù)　151