深入理解神經網絡 : 從邏輯回歸到 CNN

本書以神經網絡為線索，沿著從線性模型到深度學習的路線講解神經網絡的原理和實現。本書將數學基礎知識與機器學習和神經網絡緊密結合，包含線性模型的結構與局限、損失函數、基於一階和二階信息的優化算法、模型自由度與正則化、神經網絡的表達能力、反向傳播與計算圖自動求導、捲積神經網絡等主題，幫助讀者建立基於數學原理的較深刻的洞見和認知。本書還提供了邏輯回歸、多層全連接神經網絡和多種訓練算法的Python實現，以及運用TensorFlow搭建和訓練多種捲積神經網絡的代碼實例。