更新时间：2021-03-24 17:43:06
封面
版权信息
版 权
版权声明
内容提要
引言 / INTRODUCTION
系列图书简介
本系列图书计划出版的书籍
神经网络介绍
背景资料
神经网络路线指引
本书中使用的数据集
资源与支持
第1章 神经网络基础
1.1 神经元和层
1.2 神经元的类型
1.3 激活函数
1.4 修正线性单元
1.5 神经网络逻辑
1.6 本章小结
第2章 自组织映射
2.1 自组织映射和邻域函数
2.2 本章小结
第3章 霍普菲尔德神经网络和玻尔兹曼机
3.1 霍普菲尔德神经网络
3.2 Hopfield-Tank神经网络
3.3 玻尔兹曼机
3.4 应用玻尔兹曼机
3.5 本章小结
第4章 前馈神经网络
4.1 前馈神经网络结构
4.2 计算输出
4.3 初始化权重
4.4 径向基函数神经网络
4.5 规范化数据
4.6 本章小结
第5章 训练与评估
5.1 评估分类
5.2 评估回归
5.3 模拟退火训练
5.4 本章小结
第6章 反向传播训练
6.1 理解梯度
6.2 计算输出节点增量
6.3 计算剩余节点增量
6.4 激活函数的导数
6.5 应用反向传播
6.6 本章小结
第7章 其他传播训练
7.1 弹性传播
7.2 RPROP参数
7.3 数据结构
7.4 理解RPROP
7.5 莱文伯格-马夸特算法
7.6 黑塞矩阵的计算
7.7 具有多个输出的LMA
7.8 LMA过程概述
7.9 本章小结
第8章 NEAT、CPPN和HyperNEAT
8.1 NEAT神经网络
8.2 CPPN
8.3 HyperNEAT神经网络
8.4 本章小结
第9章 深度学习
9.1 深度学习的组成部分
9.2 部分标记的数据
9.3 修正线性单元
9.4 卷积神经网络
9.5 神经元Dropout
9.6 GPU训练
9.7 深度学习工具
9.8 深度信念神经网络
9.9 本章小结
第10章 卷积神经网络
10.1 LeNet-5
10.2 卷积层
10.3 最大池层
10.4 稠密层
10.5 针对MNIST数据集的卷积神经网络
10.6 本章小结
第11章 剪枝和模型选择
11.1 理解剪枝
11.2 剪枝算法
11.3 模型选择
11.4 本章小结
第12章 Dropout和正则化
12.1 L1和L2正则化
12.2 Dropout
12.3 使用Dropout
12.4 本章小结
第13章 时间序列和循环神经网络
13.1 时间序列编码
13.2 简单循环神经网络
13.3 本章小结
第14章 构建神经网络
14.1 评估神经网络
14.2 训练参数
14.3 常规超参数
14.4 LeNet-5超参数
14.5 本章小结
