深度學習導論 精裝版

Eugene Charniak

美國布朗大學計算機科學和認知科學教授，博士畢業於MIT，
博士導師是人工智能之父馬文·明斯基。
他是國際知名的人工智能研究者，美國人工智能學會（AAAI）會士，
2011年獲美國計算語言學會（ACL）終身成就獎。
除本書之外，他還撰寫了《統計語言學習》《人工智能編程》等圖書。

譯者簡介
沈磊

美國計算語言學會（ACL）會員，中國計算機學會（CCF）會員，
博士畢業於北京航空航天大學計算機學院，
博士研究方向為人工智能、模式識別，現為vivo公司北京AI研究院NLP算法專家，
主要方向為自然語言理解和自動問答。
她在自然語言處理及推薦算法方向發表了多篇學術論文，申請了5項專利。

鄭春萍

教育學博士，北京郵電大學人文學院副教授，主要研究方向為應用語言學與計算機輔助翻譯。
她是美國國務院“英語語言學者項目”訪問學者、英國曼徹斯特大學人文藝術學院訪問學者，
曾獲北京市高等教育教學成果一等獎、北京市高校青年教學名師獎、
中央電視臺“希望之星”英語風採大賽全國總決賽*佳指導教師獎等獎項。
她主持了國家社科基金、教育部霍英東青年教師基金及教育部人文社科基金等省部級課題6項，
發表學術論文40餘篇，主編教材2部，出版專著1部、譯著2部。  

目錄：  
第1章前饋神經網絡1  
1.1感知機3  
1.2神經網絡的交叉熵損失函數7  
1.3導數與隨機梯度下降11  
1.4編寫程序15  
1.5神經網絡的矩陣表示17  
1.6數據獨立性19  
1.7參考文獻和補充閱讀20  
1.8習題21  

第2章Tensorflow 23  
2.1預備知識23  
2.2 TF程序26  
2.3多層神經網絡31  
2.4其他方面34  
2.4.1檢查點34  
2.4.2 tensordot 35  
2.4.3 TF變量的初始化37  
2.4.4 TF圖創建的簡化39  
2.5參考文獻和補充閱讀40  
2.6習題40  

第3章捲積神經網絡43  
3.1濾波器、步長和填充43  
3.2一個簡單的TF捲積例子49  
3.3多層捲積51  
3.4捲積細節54  
3.4.1偏置54  
3.4.2捲積層55  
3.4.3池化運算（pooling） 55  
3.5參考文獻和補充閱讀56  
3.6習題57  

第4章詞嵌入與循環神經網絡59  
4.1語言模型的詞嵌入59  
4.2構建前饋語言模型63  
4.3改進前饋語言模型65  
4.4過擬合66  
4.5循環網絡69  
4.6長短期記憶模型75  
4.7參考文獻和補充閱讀78  
4.8習題78  

第5章序列到序列學習81  
5.1 seq2seq模型82  
5.2編寫一個seq2seq MT程序84  
5.3 seq2seq中的註意力機制87  
5.4多長度seq2seq 90  
5.5編程練習91  
5.6參考文獻和補充閱讀93  
5.7習題94  

第6章深度強化學習97  
6.1值疊代98  
6.2 Q學習101  
6.3深度Q學習基礎103  
6.4策略梯度法106  
6.5行動者-評論家方法112  
6.6經驗回放114  
6.7參考文獻和補充閱讀115  
6.8習題116  

第7章無監督神經網絡模型119  
7.1基本自編碼119  
7.2捲積自編碼122  
7.3變分自編碼126  
7.4生成式對抗網絡132  
7.5參考文獻和補充閱讀137  
7.6習題137  
附錄A部分習題答案139  
附錄B參考文獻143  
附錄C索引147  
本書讚譽151