Neural Networks and Deep Learning-《神经网络与深度学习》-pdf版本

目录 学术

Neural Networks and Deep Learning这本书是Michael Nielsen所著的一本免费的网络版书籍,正如书名所写的,这本书是关于神经网络和深度学习的。

这本书写的非常浅显易懂,很多数学密集的区域作者都有提示。全书贯穿的是MNIST手写数字的识别问题,每个模型和改进都有详细注释的代码。非常适合用来入门神经网络和深度学习!

不过,对于我来说,还是更喜欢阅读离线的PDF版本,因此我制作了本书的pdf版本。本书pdf版本制作属于本书网络版授权范围内。pdf版本下载地址如下。

百度网盘下载:https://pan.baidu.com/s/1miLerZM

CSDN下载:http://download.csdn.net/detail/newhotter/9651111

网络版书籍地址:http://neuralnetworksanddeeplearning.com/

 

书共有六章。简单介绍一下这六章的内容。

  • 第一章,作者介绍了一个简单的包含一个隐含层的神经网络,用来对MNIST手写数字数据集进行训练和预测。最后发现训练好的模型能够拿到95%的手写数字识别正确率。这个神经网络使用Sigmoid激活函数,学习算法使用随机梯度下降法。
  • 第二章,作者介绍了第一章网络训练所使用的梯度计算的方法:BP算法。也即使用误差逆传播算法来计算梯度。
  • 第三章,作者使用了多种方法来优化第一章的神经网络。包括:使用新的损失函数(cross-entropy);介绍了四种网络正则化的方法(解决过拟合);改进初始权重的选择;网络参数的优化选取。
  • 第四章,作者用一些带有交互的可视化图来说明了神经网络(即使只有一个隐含层)可以拟合任何形状的函数。
  • 第五章,作者探讨了深度神经网络(深度学习)难以训练的原因(主要原因是由于一旦隐含层变多,梯度就会下降的很快以至于得到的学习速度变慢)。作者还总结了一些其他原因,例如Bengio等提出Sigmoid激活函数也会导致训练变慢。
  • 第六章作者系统介绍了深度学习。主要介绍了目前图像识别最流行的卷积神经网络(CNN)。后面还介绍了RNN/LTSM等目前比较流行的深度学习网络。

 

1 条评论

  • Yusheng
    2016年12月7日

    棒棒哒

发表评论

电子邮件地址不会被公开。 必填项已用*标注