深度學習 : 基於 MATLAB 的設計實例 (Deep Learning for Beginners: with MATLAB Examples)

Phil Kim，博士，從事無人駕駛飛機自主飛行算法和機載軟件的開發和研製工作。同時，他作為一名經驗豐富的MATLAB程序員，一直致力於使用MATLAB進行人工智能、深度學習的大數據集繪製和分析算法的研究，先後在美國出版了MATLAB Deep Learning: with Machine Learning, Neural Networks and Artificial Intelligence和Deep Learning for Beginners: with MATLAB Examples等書籍，在人工智能和MATLAB領域享有較高聲譽。鄒偉，副研究員，北京睿客邦科技有限公司CEO，並成立了中科院鄒博人工智能研究中心（杭州站）等產研機構；研究方向為機器學習、數據挖掘、計算幾何等領域，研究成果已成功應用於大型氣象設備的圖像與文本挖掘、金融產品AI化、股票交易與預測、高速公路流量預測和分析、傳統農資產品價格預測和決策等領域；獲得發明專利4項，著作權3個。王振波，工學碩士，北京理工大學碩士畢業，研究方向為機械設計及理論，曾參與多項國家自然科學基金項目的研究。致力於人工智能與傳統行業的結合，完成從場景應用到深度網絡模型的轉換。王燕妮，文本挖掘和知識圖譜專家，專利系統研發架構師，研究方向為自然語言處理、深度學習。先後完成了諸多官費繳費系統的對接和無紙化項目，並成功使用知識挖掘對專利進行智能輔助審單，提高行業效率。

第1章 機器學習 
1.1 機器學習與深度學習 
1.2 什麼是機器學習 
1.3 機器學習的挑戰 
1.4 過擬合 
1.5 直面過擬合 
1.6 機器學習的類型 
1.7 分類和回歸 
1.8 總 結 

第2章 神經網絡 
2.1 概 述 
2.2 神經網絡節點 
2.3 多層神經網絡 
2.4 神經網絡的監督學習 
2.5 單層神經網絡訓練:增量規則 
2.6 廣義增量規則 
2.7 隨機梯度下降演算法、批量演算法和小批量演算法 
2.7.1 隨機梯度下降演算法 
2.7.2 批量演算法 
2.7.3 小批量演算法 
2.8 示例:增量規則 
2.8.1 隨機梯度下降演算法的實現 
2.8.2 批量演算法的實現 
2.8.3 隨機梯度下降演算法與批量演算法的比較 
2.9 單層神經網絡的局限性
2.10 總 結

第3章 訓練多層神經網絡
3.1 概 述
3.2 反向傳播演算法
3.3 示 例 
3.3.1 XOR問題
3.3.2 動量法(Momentum)
3.4 代價函數和學習規則
3.5 示 例 
3.5.1 交叉熵函數 
3.5.2 代價函數的比較 
3.6 總 結 

第4章 神經網絡及其分類 
4.1 概 述 
4.2 二分類
4.3 多分類
4.4 示例:多分類 
4.5 總 結

第5章 深度學習
5.1 概 述 
5.2 深度神經網絡的進化 
5.2.1 梯度消失 
5.2.2 過擬合
5.2.3 計算量的增加 
5.3 示 例
5.3.1 ReLU 函數 
5.3.2 節點丟棄 
5.4 總 結

第6章 捲積神經網絡 
6.1 概 述 
6.2 捲積神經網絡的架構
6.3 捲積層
6.4 池化層 
6.5 示例:MNIST
6.6 總 結 
索 引