深度学习笔记

第一章（引言） 第二章（线性代数） 第三章（概率与信息论） 第五章（机器学习基础） 第六章（深度前馈网络） 第七章（深度学习中的正则化） 第八章（深度模型中的优化） 第九章（卷积网络） 第十章（序列建模：循环和递归网络） 第十二章（应用） 第十三章（线性因子模型） 第十四章（自编码器） 第十五章（表示学习） 第十七章（蒙特卡罗方法） 第十八章（直面配分函数 第十九章（近似推断） 资源从网络收集，如有侵权请联系删除。