没有合适的资源?快使用搜索试试~ 我知道了~
深度学习教材,中文版。 为了最好地适应各类读者,这本书被组织为三个部分。第一部分介绍了基本的 数学工具和机器学习的概念。 <BAD> 第二部分介绍了本质上已解决的技术、最成 熟的深度学习算法。第三部分介绍了被广泛认为是深度学习未来研究重点的但更具 猜测性的想法。
资源推荐
资源详情
资源评论
DRAFT
仅供学习使用,不得用于商业目的。https://github.com/exacity/deeplearningbook-chinese
目录
第一章 前言 1
1.1 谁应该读这本书? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 深度学习的历史趋势 . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 神经网络的众多名称和命运变迁 . . . . . . . . . . . . . . . . . 11
1.2.2 与日俱增的数据量 . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.3 与日俱增的模型规模 . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.4 与日俱增的精度、复杂度和对现实世界的冲击 . . . . . . . . . 17
第一部分 应用数学与机器学习基础 22
第二章 线性代数 23
2.1 标量,向量,矩阵和张量 . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 矩阵和向量相乘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 单位矩阵和逆矩阵 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 线性相关和生成子空间 . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 范数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6 特殊类型的矩阵和向量 . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.7 特征分解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.8 奇异值分解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.9 Moore-Penrose 伪逆 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.10 迹运算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.11 行列式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.12 实例:主成分分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3
DRAFT
仅供学习使用,不得用于商业目的。https://github.com/exacity/deeplearningbook-chinese
4 目录
第三章 概率与信息论 43
3.1 为什么要用概率? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 随机变量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 概率分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.1 离散型变量和概率分布律函数 . . . . . . . . . . . . . . . . . . 46
3.3.2 连续型变量和概率密度函数 . . . . . . . . . . . . . . . . . . . . 47
3.4 边缘概率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5 条件概率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.6 条件概率的链式法则 . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.7 独立性和条件独立性 . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.8 期望,方差和协方差 . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.9 常用概率分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.9.1 Bernoulli 分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.9.2 multinoulli 分布 . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.9.3 高斯分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.9.4 指数分布和Laplace 分布 . . . . . . . . . . . . . . . . . . . . . 54
3.9.5 Dirac 分布和经验分布 . . . . . . . . . . . . . . . . . . . . . . . 54
3.9.6 分布的混合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.10 常用函数的一些性质 . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.11 贝叶斯规则 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.12 连续型变量的技术细节 . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.13 信息论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.14 结构化概率模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
第四章 数值计算 67
4.1 上溢和下溢 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 病态条件数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3 基于梯度的优化方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.3.1 梯度之上:雅各比和海森矩阵 . . . . . . . . . . . . . . . . . . 72
4.4 约束优化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.5 实例:线性最小二乘 . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
DRAFT
仅供学习使用,不得用于商业目的。https://github.com/exacity/deeplearningbook-chinese
目录 5
第五章 机器学习基础 81
5.1 学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.1.1 任务,T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.1.2 性能衡量,P . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.1.3 经验,E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.1.4 实例:线性回归 . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.2 容量,过拟合和欠拟合 . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.2.1 没有免费午餐定理 . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2.2 正则化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.3 超参数和验证集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.3.1 交叉验证 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.4 估计,偏差和方差 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.4.1 点估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.4.2 偏差 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.4.3 方差和标准误差 . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4.4 权衡偏值和方差以最小化均方误差 . . . . . . . . . . . . . . . . 105
5.4.5 一致性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.5 最大似然估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.5.1 条件对数似然和均方误差 . . . . . . . . . . . . . . . . . . . . . 108
5.5.2 最大似然的性质 . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.6 贝叶斯统计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.6.1
最大后验(
MAP
)估计
. . . . . . . . . . . . . . . . . . . . . . 112
5.7 监督学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.7.1 概率监督学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.7.2 支持向量机 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.7.3 其他简单的监督学习算法 . . . . . . . . . . . . . . . . . . . . . 116
5.8 无监督学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.8.1 PCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.8.2 k-均值聚类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.9 随机梯度下降 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.10 构建机器学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.11 推动深度学习的挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.11.1 维数灾难 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
剩余600页未读,继续阅读
资源评论
xiaofuzi11251989_1
- 粉丝: 1
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 【Unity 资源管理插件】Asset Inventory 2 高效组织、搜索、管理各种资源,提高工作效率
- 【 Unity网格优化插件】MeshFusion Pro: Ultimate Optimization Tool 优化 3D 模
- 平面设计-39款粗糙污渍纹理轻微颗粒矢量设计素材
- 为圣诞树增添节日祝福:用CSS和HTML添加文本标签
- qml和c++的交互,和QQuickWidget的使用
- 11阿发发发案发时发生
- Node-Red语音识别节点node-red-node-ui-microphone-0.3.1
- hik_ccs(1).zip
- Java File 类:从基础到实践的文件操作全面教程
- 无敌111111111111
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功