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。