作品简介
本书深入讲解神经网络和深度学习技术,侧重于阐释深度学习的核心概念。
作者以技术原理为导向,辅以贯穿全书的MNIST手写数字识别项目示例,介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容,以及如何利用这些知识改进深度学习项目。
学完本书后,你将能够通过编写Python代码来解决复杂的模式识别问题。
出版时间2020-08-01
共 12 章
内容提要
作者简介
本书赞誉
译者序
前言
第1章 使用神经网络识别手写数字
第2章 反向传播算法工作原理
第3章 改进神经网络的学习方法
第4章 神经网络可以计算任何函数的可视化证明
第5章 为何深度神经网络很难训练
第6章 深度学习
附录 是否存在关于智能的简单算法

