前言
第1章 緒論
1.1 深度學習
1.1.1 概述
1.1.2 基本思想
1.1.3 基本分類
1.2 卷積神經(jīng)網(wǎng)絡技術的發(fā)展與應用
1.2.1 卷積神經(jīng)網(wǎng)絡的發(fā)展
1.2.2 卷積神經(jīng)網(wǎng)絡的應用
1.3 自編碼器的發(fā)展及其應用
1.3.1 自編碼器的發(fā)展
1.3.2 自編碼器的應用
第2章 相關數(shù)學基礎知識
2.1 矩陣
2.1.1 基本概念
2.1.2 矩陣運算
2.2 范數(shù)
2.2.1 范數(shù)的定義
2.2.2 范數(shù)的分類及性質(zhì)
2.3 卷積運算
2.3.1 定義
2.3.2 多維數(shù)組的卷積
2.4 激活函數(shù)
2.4.1 線性激活函數(shù)
2.4.2 非線性激活函數(shù)
2.5 信息熵
2.5.1 定義
2.5.2 條件熵
2.5.3 相對熵
2.5.4 交叉熵
習題
第3章 神經(jīng)網(wǎng)絡
3.1 人工神經(jīng)網(wǎng)絡
3.1.1 人工神經(jīng)元模型
3.1.2 人工神經(jīng)網(wǎng)絡結構
3.2 BP神經(jīng)網(wǎng)絡
3.2.1 原理
3.2.2 網(wǎng)絡結構
3.2.3 BP神經(jīng)算法原理
3.2.4 信號傳遞過程的實現(xiàn)
3.2.5 算法分析
習題
第4章 卷積神經(jīng)網(wǎng)絡
4.1 原理
4.1.1 動機
4.1.2 卷積神經(jīng)網(wǎng)絡特點
4.2 LeNet
4.2.1 網(wǎng)絡總體結構
4.2.2 分層結構
4.3 反向傳播