python神经网络算法pdf_深度学习：卷积神经网络从入门到精通 PDF 原书扫描版

给大家带来的一篇关于人工智能相关的电子书资源，介绍了关于深度学习、卷积、神经网络、入门到精通方面的内容，本书是由机械工业出版社出版，格式为PDF，资源大小223.4 MB，李玉鑑 张婷 单传编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.7。

内容介绍

这书潜心探讨深度神经网络中运用十分普遍的实体模型——卷积神经网络，该实体模型非常适用图象归类和鉴别、总体目标切分和检验及其人工智能技术手机游戏层面，受众群体另一半包含电子计算机、自动化技术、信号分析、机电安装工程、应用数学等有关技术专业的硕士研究生、老师及其数据工程师和科学研究工作人员。这书的较大特点是对卷积神经网络开展循序渐进的归类叙述，先后包含：当代原型、攻克实体模型、应变力实体模型、加重实体模型、跨连实体模型、区域模型、切分实体模型、独特实体模型、加强实体模型和顶级贡献。这类归类架构是在实体模型简述和准备专业知识的基本上逐渐进行的，既便捷用户入门学习，又有利于用户深层次刻苦钻研。

目录

第1章 概述

1.1 深度学习的起源和发展

1.2 卷积神经网络的形成和演变

1.3 卷积神经网络的应用和影响

1.4 卷积神经网络的缺陷和视图

1.5 卷积神经网络的GPU实现和cuDNN库

1.6 卷积神经网络的平台和工具

1.7 本书的内容结构和案例数据

1.7.1 内容结构

1.7.2 案例数据

第2章 预备知识

2.1 激活函数

2.2 矩阵运算

2.3 导数公式

2.4 梯度下降算法

2.5 反向传播算法

2.5.1 通用反向传播算法

2.5.2 逐层反向传播算法

2.6 通用逼近定理

2.7 内外卷积运算

2.8 膨胀卷积运算

2.9 上下采样运算

2.10 卷积面计算

2.11 池化面计算

2.12 局部响应归一化

2.13 权值偏置初始化

2.14 丢失输出

2.15 丢失连接

2.16 随机梯度下降算法

2.17 块归一化

2.18 动态规划算法

第3章 卷积神经网络的现代雏形——LeNet

3.1 Le