鸠摩搜书下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《深度学习的数学》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《深度学习的数学》内容简介
《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的*化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。
《深度学习的数学》书籍信息摘要
《深度学习的数学》内容简介与阅读建议，作者 [日]涌井良幸/[日]涌井贞美，科技技术，2019年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：神经网络、数学、卷积神经网络、科技农工。
- 作者：[日]涌井良幸/[日]涌井贞美
- 分类：科技技术
- 出版年份：2019
- 出版社：人民邮电出版社
- 页数：236 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《深度学习的数学》适合哪些读者？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 8.5 可作为选书参考。
获取建议
《深度学习的数学》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
目录
- 第1 章 神经网络的思想
- 1 - 1 神经网络和深度学习 2
- 1 - 2 神经元工作的数学表示 6
- 1 - 3 激活函数：将神经元的工作一般化 12
- 1 - 4 什么是神经网络 18
- 1 - 5 用恶魔来讲解神经网络的结构 23
- 1 - 6 将恶魔的工作翻译为神经网络的语言 31
- 1 - 7 网络自学习的神经网络 36
展开全部（共 43 章节）
- 第2 章 神经网络的数学基础
- 2 - 1 神经网络所需的函数 40
- 2 - 2 有助于理解神经网络的数列和递推关系式 46
- 2 - 3 神经网络中经常用到的Σ符号 51
- 2 - 4 有助于理解神经网络的向量基础 53
- 2 - 5 有助于理解神经网络的矩阵基础 61
- 2 - 6 神经网络的导数基础 65
- 2 - 7 神经网络的偏导数基础 72
- 2 - 8 误差反向传播法必需的链式法则 76
- 2 - 9 梯度下降法的基础：多变量函数的近似公式 80
- 2 - 10 梯度下降法的含义与公式 83
- 2 - 11 用Excel 体验梯度下降法 91
- 2 - 12 最优化问题和回归分析 94
- 第3 章 神经网络的最优化
- 3 - 1 神经网络的参数和变量 102
- 3 - 2 神经网络的变量的关系式 111
- 3 - 3 学习数据和正解 114
- 3 - 4 神经网络的代价函数 119
- 3 - 5 用Excel体验神经网络 127
- 第4 章 神经网络和误差反向传播法
- 4 - 1 梯度下降法的回顾 134
- 4 - 2 神经单元误差 141
- 4 - 3 神经网络和误差反向传播法 146
- 4 - 4 用Excel体验神经网络的误差反向传播法 153
- 第5 章 深度学习和卷积神经网络
- 5 - 1 小恶魔来讲解卷积神经网络的结构 168
- 5 - 2 将小恶魔的工作翻译为卷积神经网络的语言 174
- 5 - 3 卷积神经网络的变量关系式 180
- 5 - 4 用Excel体验卷积神经网络 193
- 5 - 5 卷积神经网络和误差反向传播法 200
- 5 - 6 用Excel体验卷积神经网络的误差反向传播法 212
- 附录
- A 训练数据(1) 222
- B 训练数据(2) 223
- C 用数学式表示模式的相似度 225
合规获取说明
当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《深度学习的数学》适合谁读？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 8.5 可作为选书参考。
《深度学习的数学》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《深度学习的数学》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《深度学习的数学》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《深度学习的数学》？
当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《深度学习的数学》相关书籍？
可以进入 [日]涌井良幸/[日]涌井贞美 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
