图解深度学习 pdf下载

●第 1章  绪论 1.1  深度学习与机器学习  21.2  深度学发展历程  31.3  为什么是深度学习  61.4  什么是深度学习  71.5  本书结构  9第  2章 神经网络2.1  神经网络的历史  122.2  M-P模型  142.3  感知器  162.4  多层感知器  182.5  误差反向传播算法  192.6  误差函数和激活函数  282.7  似然函数  302.8  随机梯度下降法  312.9  学习率  322.10  小结  33第3章  卷积神经网络3.1  卷积神经网络的结构  363.2  卷积层  383.3  池化层  393.4  全连接层  403.5  输出层  413.6  神经网络的训练方法  413.7  小结  48第4章  受限玻尔兹曼机4.1  Hopfield 神经网络  504.2  玻尔兹曼机  554.3  受限玻尔兹曼机  594.4  对比散度算法  614.5  深度信念网络  4.6  小结  66第5章  自编码器5.1  自编码器  685.2  降噪自编码器  715.3  稀疏自编码器  735.4  栈式自编码器  765.5  在预训练中的应用  775.6  小结  78第6章  提高泛化能力的方法6.1  训练样本  806.2  预处理  886.3  激活函数  92  Dropout  946.5  DropConnect  966.6  小结  98第7章  深度学习工具7.1  深度学习开发环境  1007.2  Theano  1007.3  Pylearn2  1087.4  Caffe  1187.5  训练系统——DIGITS1377.6  Chainer  1457.7  TensorFlow  1607.8  小结  176第8章  深度学现在和未来8.1  深度学应用案例1788.2  深度学未来  1958.3  小结  197参考文献  198