目 錄
第1章　機器學習 1
1.1 什麼是機器學習 2
1.2 機器學習麵臨的挑戰 4
1.2.1 過擬閤 5
1.2.2 剋服過擬閤 7
1.3 機器學習的類型 9
1.4 本章小結 13
第2章　神經網絡 15
2.1 神經網絡的節點 15
2.2 神經網絡的層 17
2.3 神經網絡的監督學習 21
2.4 訓練單層神經網絡：delta規則 22
2.5 廣義delta規則 25
2.6 SGD、Batch和Mini Batch 26
2.6.1 SGD 26
2.6.2 Batch 27
2.6.3 Mini Batch 27
2.7 delta規則示例 29
2.8 SGD方法的實現 30
2.9 Batch方法的實現 32
2.10 SGD與Batch的比較 34
2.11 單層神經網絡的局限性 36
2.12 究竟發生瞭什麼？ 38
2.13 本章小結 40
第3章　多層神經網絡的訓練 41
3.1 反嚮傳播算法 42
3.2 反嚮傳播示例 46
3.2.1 XOR問題 48
3.2.2 動量 50
3.3 代價函數與學習規則 53
3.4 交叉熵函數示例 57
3.5 交叉熵函數 58
3.6 代價函數比較 60
3.7 本章小結 62
第4章　神經網絡與分類問題 63
4.1 二元分類 63
4.2 多元分類 66
4.3 多元分類示例 71
4.4 本章小結 78
第5章　深度學習 79
5.1 深度神經網絡的改進 80
5.1.1 梯度消失 81
5.1.2 過擬閤 82
5.1.3 計算負載 83
5.2 ReLU與Dropout的實例 84
5.2.1 ReLU函數 85
5.2.2 Dropout 88
5.3 本章小結 93
第6章　捲積神經網絡 95
6.1 捲積神經網絡架構 95
6.2 捲積層 97
6.3 池化層 101
6.4 MNIST示例 102
6.5 本章小結 116
· · · · · · (收起)