深度學習

目錄

第 1章淺層模型 ............................................................... 1 

1.1深度學習史前發展史 ........................................................ 1 

1.1.1數據分析的初級階段：手工演算階段 ........................................ 1 

1.1.2數據分析的中級階段：淺層模型階段 ......................................... 3 

1.1.3數據分析的高級階段：大數據深度學習階段 .................................. 4 

1.2線性回歸模型 .............................................................. 7 

1.2.1極小二乘線性回歸 ........................................................ 8 

1.2.2模型選擇：模型容量與過擬合和欠擬合問題 ................................ 19 

1.2.3屬性空間、假設函數空間與基於核函數的特徵映射 ...................... 22 

1.2.4特徵選擇 ............................................................... 26 

1.2.5回歸分析的概率解釋 ..................................................... 32 

1.3 Logistics二分類模型 ..................................................... 33 

1.4 Softmax多分類模型 ....................................................... 37 

1.5 廣義線性模型 ............................................................ 42

參考文獻 .................................................................... 52

第 2章深度神經網絡 .......................................................... 56 

2.1引言 ..................................................................... 56 

2.2 BP神經網絡 .............................................................. 58 

2.2.1從生物神經元到 MP神經元模型 .......................................... 58 

2.2.2 BP神經網絡結構 ........................................................ 59 

2.2.3 BP算法 ................................................................ 64 

2.2.4 BP算法算例 ............................................................ 72 

2.3從 BP網絡到深度網絡 ...................................................... 73 

2.3.1梯度消失：多層 BP網絡訓練難題 ........................................... 74 

2.3.2逐層貪心預訓練 +全局微調 ............................................. 76 

2.4深度網絡的進一步解釋 ..................................................... 83 

2.5剋服過擬合：深度網絡中的正則化技術 ........................................ 85 

2.5.1模型約束技術 ........................................................... 86 

2.5.2輸入約束技術 ........................................................... 88 

2.5.3模型集成技術 ........................................................... 92 

2.6深度網絡發展史 ........................................................... 98 

2.6.1早期神經網絡模型（ 1958—1969年） ....................................... 98 

2.6.2深度學習萌芽期（ 1969—2006年） .......................................... 99 

2.6.3深度學習爆發期（2006年至今） ............................................100

參考文獻 ....................................................................101

第 3章捲積神經網絡 .........................................................108 

3.1引言 ....................................................................108 

3.2捲積的數學公式及其含義 .................................................109 

3.3捲積神經網絡的技術細節 .................................................114 

3.3.1電腦“眼”中的圖像 ...............................................115 

3.3.2捲積神經網絡 ..........................................................116 

3.3.3捲積神經網絡的結構 .................................................116 

3.3.4 CNNs訓練算法 ..........................................................121 

3.3.5捲積網提取特徵的可視化 .............................................129 

3.4 CNNs的變體 ..............................................................131 

3.4.1關於捲積核的變體 .....................................................132 

3.4.2關於捲積通道的變體 ..................................................136 

3.4.3關於捲積層連接的變體 .................................................141 

3.5捲積網絡在自動駕駛中的應用 .............................................145 

3.6 捲積網絡發展史 .........................................................146

參考文獻 ................................................................148

第 4章反饋神經網絡 ........................................................151 

4.1引言 ....................................................................151 

4.2反饋神經網絡 ............................................................153 

4.2.1統計語言模型 .......................................................154 

4.2.2 RNNs的網絡結構 ........................................................158 

4.2.3 RNNs的訓練算法：BPTT ...............................................162 

4.2.4 RNNs的誤差沿時間軸傳播公式 .........................................170 

4.2.5 RNNs的變體 ..........................................................172 

4.3長短期記憶單元反饋神經網絡 ............................................175 

4.3.1早期解決長時間序列學習難題的樸素方法 .................................176 

4.3.2 LSTM網絡結構 .........................................................177 

4.3.3 LSTM的前向計算 ....................................................179 

4.3.4 LSTM的反向計算 .....................................................181 

4.3.5 LSTM的權值更新 .....................................................184 

4.3.6理解 LSTM網絡 ........................................................186 

4.4時間序列處理中的幾種重要機制 ..........................................188 

4.4.1處理變長序列的編碼器-解碼器模型 ..................................189 

4.4.2註意力機制 ............................................................192 

4.4.3序列自動對齊的 CTC技術 .............................................195 

4.4.4小結 .............................................................215 

4.5深度反饋網絡在時間序列處理中的應用 ....................................216 

4.5.1 Google神經機器翻譯系統 ...............................................216 

4.5.2深度語音識別系統 ..................................................219 

4.5.3用 LSTM編程和寫作 ..................................................223 

4.6 反饋神經網絡發展現狀 ....................................................229

參考文獻 ...................................................................229

第 5章深度強化學習 .........................................................234 

5.1引言 ....................................................................234 

5.2馬爾可夫決策過程 .....................................................238 

5.2.1馬爾可夫過程 .......................................................239 

5.2.2馬爾可夫獎勵過程 .....................................................243 

5.2.3馬爾可夫決策過程 .....................................................246 

5.2.4廣義策略疊代 ..........................................................255 

5.2.5小結 .................................................................257 

5.3強化學習算法 ............................................................257 

5.3.1動態規劃算法 ........................................................258 

5.3.2蒙特卡羅算法 ..........................................................263 

5.3.3時間差分學習算法 ......................................................274 

5.3.4小結 ..................................................................297 

5.4深度強化學習算法 ........................................................299 

5.4.1基於深度網絡的狀態價值和動作價值函數近似 ...........................301 

5.4.2基於深度網絡的策略梯度法 ..........................................307 

5.5深度強化學習的應用 .....................................................317 

5.5.1圍棋 AlphaGo ........................................................317 

5.5.2從 AlphaGo到 AlphaGo Zero............................................332 

5.5.3基於像素的乒乓球遊戲 .................................................341 

5.6深度強化學習發展現狀 ................................................344 

5.6.1強化學習起源與發展現狀 ................................................344 

5.6.2深度強化學習在棋類中的應用 ............................................345 

5.6.3深度強化學習技術在自主智能體中的應用 .................................347

參考文獻 ..................................................................350

後記 ........................................................................353