神经网络与深度学习

参考文献

7.6 类脑：人工智能的终极目标

7.5 如果喜欢应用领域，可以考虑以下几种应用

7.4 大规模学习（Large Scale Learning）和并行计算

7.3 如何理解机器学习和深度学习的差异

7.2 我们如何学习“深度学习”

7.1 如何为不同类型的问题选择模型

7 杂项

6.2 概率图模型

6.1 迁移学习

6 两个重要的概念

5.6 未来

5.5 一些可以改进的地方

5.4 重要的技术进步

5.3 AlphaGo的主要原理

5.2 围棋的复杂性

5.1 AI如何玩棋类游戏

5 深度学习的胜利：AlphaGo

4.10 使用深度信念网搞定花分类

4.9 你是我的眼（续）

4.8 你是我的眼：利用稀疏编码器找图像的基本单位

4.7 不会忘记你：循环神经网络

4.6 卷积神经网络

4.5 DBN

4.4 解决概率分布问题：限制波尔兹曼机

4.3 栈式自编码器

4.2 快速感知：稀疏编码（Sparse Coding）

4.1 模拟大脑的学习和重构

4 深度学习的常用方法

3.6 总结深度学习及训练过程

3.5 如何训练神经网络

3.4 深度学习和神经网络

3.3 浅层学习和深度学习

3.2 特征

3.1 机器学习

3 深度学习是个什么东西

2.6 解决一些实际问题

2.5 构造一个神经网络

2.4 用代码实现一个感知机

2.3 感知机的学习

2.2 感知机

2.1 构造一个神经元

2 构造神经网络

1.5 大脑如何解决现实生活中的分类问题

1.4 生物意义上的神经元

1.3 先来看看大脑如何学习

1.2 怎么定义神经网络

1.1 买橙子和机器学习

1 神经网络是个什么东西

0 写在前面：神经网络的历史

前言

版权信息

封面

封面

版权信息

前言

0 写在前面：神经网络的历史

1 神经网络是个什么东西

1.1 买橙子和机器学习

1.2 怎么定义神经网络

1.3 先来看看大脑如何学习

1.4 生物意义上的神经元

1.5 大脑如何解决现实生活中的分类问题

2 构造神经网络

2.1 构造一个神经元

2.2 感知机

2.3 感知机的学习

2.4 用代码实现一个感知机

2.5 构造一个神经网络

2.6 解决一些实际问题

3 深度学习是个什么东西

3.1 机器学习

3.2 特征

3.3 浅层学习和深度学习

3.4 深度学习和神经网络

3.5 如何训练神经网络

3.6 总结深度学习及训练过程

4 深度学习的常用方法

4.1 模拟大脑的学习和重构

4.2 快速感知：稀疏编码（Sparse Coding）

4.3 栈式自编码器

4.4 解决概率分布问题：限制波尔兹曼机

4.5 DBN

4.6 卷积神经网络

4.7 不会忘记你：循环神经网络

4.8 你是我的眼：利用稀疏编码器找图像的基本单位

4.9 你是我的眼（续）

4.10 使用深度信念网搞定花分类

5 深度学习的胜利：AlphaGo

5.1 AI如何玩棋类游戏

5.2 围棋的复杂性

5.3 AlphaGo的主要原理

5.4 重要的技术进步

5.5 一些可以改进的地方

5.6 未来

6 两个重要的概念

6.1 迁移学习

6.2 概率图模型

7 杂项

7.1 如何为不同类型的问题选择模型

7.2 我们如何学习“深度学习”

7.3 如何理解机器学习和深度学习的差异

7.4 大规模学习（Large Scale Learning）和并行计算

7.5 如果喜欢应用领域，可以考虑以下几种应用

7.6 类脑：人工智能的终极目标

参考文献