作者:禅与计算机程序设计艺术
1.简介
本书是由一群对神经网络有着浓厚兴趣的科学家共同编写而成的一本综合性的入门书籍,涵盖了从基础理论到最新研究方法,并提供有关网络结构、优化算法和应用等方面的知识和技能训练。本书既适用于对神经网络感兴趣的人士(从高中生到顶级研究人员),也可作为研究人员和工程师们的工具书。它的作者包括谷歌的Google Brain团队成员,还有斯坦福大学、加州大学伯克利分校、麻省理工学院等知名院校的教授。
《Neural Network Design Cookbook》共分为七章,分别为:
第1-3章:神经网络的原理、定义及其结构
本章对神经网络的基本原理、定义和结构进行了详细阐述,包括神经元模型、激活函数、层次结构、权重衰减和正则化等内容,并给出了相应的数学公式和案例。
第4-5章:优化算法
本章详细介绍了优化算法的作用、原理和选择标准,包括随机梯度下降法(SGD)、动量法(Momentum)、Adam优化器、AdaGrad、RMSprop等算法,并用实际例子证明其优越性。
第6-7章:实践与应用
本章通过多种典型网络结构和优化算法的介绍,帮助读者熟悉神经网络的设计过程,提升解决具体问题的能力。其中包括识别手写数字、图像分类、文本分析、时间序列预测、医疗诊断、推荐系统、强化学习等典型应用场景,并对每一种网络结构和优化算法都提供了详细的操作步骤和代码实例。
2.基本概念术语说明
本章主要介绍神经网络中的一些基本概念和术语,如激活函数、损失函数、权重衰减、正则化、平移不变性、局部响应归一化、Dropout等。
激活函数:在神经网络计算