章
目
录
本文提供《神经网络和深度学习》中文版pdf免费下载，，支持百度网盘和夸克网盘，这是基于一本超火的英文书——《Neural Network and Deep Learning》，现在它有中文版了。
书籍及作者介绍
这本书是免费的在线书籍，旨在阐释人工神经网络和深度学习背后的核心思想。作者是Michael Nielsen，他是Y Combinator Research的研究员，同时兼具量子物理学家、科学作家、计算机编程研究人员多重身份。
书籍内容
内容特点：它堪称深度学习入门的优质资料，内容通俗易懂。对于那些数学公式较多的部分，作者还贴心地给出提示。书中以MNIST手写数字识别问题为线索，每个模型以及改进都配有详细注释的代码，非常适合初学者入门神经网络和深度学习。
目录章节：全书共六章。第一章教你用神经网络识别手写数字；第二章讲解反向传播算法的工作原理；第三章探讨改进神经网络学习方法；第四章通过可视化证明神经网络能计算任何函数；第五章分析深度神经网络训练困难的原因；第六章介绍深度学习相关知识。
目录
第一章：使用神经网络识别手写数字：从感知器、S型神经元开始讲起，介绍神经网络架构，还有用梯度下降算法学习以及实现网络分类数字等内容。
第二章：反向传播算法如何工作：先讲用矩阵快速计算输出的方法，接着探讨代价函数假设、反向传播基本方程等，还包含算法代码相关内容。
第三章：改进神经网络的学习方法：涉及交叉熵代价函数、过拟合和规范化、权重初始化等，还讨论了如何选择神经网络超参数。
第四章：神经网络可以计算任何函数的可视化证明：先声明一些前提，再从单输入单输出、多输入变量等方面进行证明。
第五章：深度神经网络为何很难训练：分析消失的梯度问题、复杂网络中的不稳定梯度等障碍。
第六章：深度学习：介绍卷积网络及其实际应用，还对神经网络的未来进行了展望。
资源下载
