内容简介

第1章介绍深度学习的简洁发展思路和表示学习机制；

第2章、第3章介绍神经网络的基于梯度的优化方法、神经网络的优化难点以及相应的解决方法；

第4章讨论神经网络遇到的过拟合问题；

第5章分析神经网络的最小组成部分——神经元；

第6章讨论三种方案解决深层网络的训练难题：批标准化、SELU、ResNet；

第7章、第8章讲述了两种重要的神经网络模型：卷积神经网络和循环神经网络；

第9章讨论了对于神经网络的无监督学习方式；

第10章详细讨论以变分自编码器和对抗生成网络为代表的概率生成网络。

本书适合对于深度学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程技术和基本的数学知识。