想要深耕深度学习，掌握背后的 数学原理 是必须的，而这本深度学习的数学就是一本带大家从 数学角度来分析深度学习的神书！
全书共11个章节，每章都是由全球公认的顶尖专家撰写，涵盖多种主题，并且不需要大家具备该领域的 先验知识。
PDF下载好了，大家可以任意添加一位小助手获取（长按二维码图片添加既可），记得发送文章标题截图给小助手哦!
这本书可以说是一本计算机科学、数学和统计学领域人员进入 人工智能的起点书，也是一本为以后打好基础的书。
这本书各章节内容独立完整，覆盖了各自领域的最新研究成果，每一章都可以独立阅读。
以下是各章节的简要概述：
第一章：全面介绍了深度学习的数学基础，为后续章节提供了背景知识。
第二章：深入介绍了深度学习的泛化性质，重点分析了深度学习模型特有的现象。
第三章：介绍了近期关于神经网络模型类表达能力的研究工作。
第四章：介绍了在深度学习背景下优化问题算法解决方案的最新进展，主要分析了神经网络训练的优化技术。
第五章：总结了使基于深度学习的分类决策更具可解释性的最新方法。
第六章：介绍了随机前馈神经网络，其中深度信念网络是一个典型例子。
第七章：探讨了深度学习与稀疏性增强算法之间的联系。
第八章：全面介绍了散射变换。
第九章：聚焦于深度神经网络在解决逆问题中的应用。
第十章：介绍了残差神经网络的训练过程的新表述及相应理论。
第十一章：介绍了张量网络与卷积神经网络之间的联系。
