强烈推荐邱锡鹏人工智能书籍《神经网络与深度学习》

关注

原创 2023-04-26 13:58:17 1.2k 阅读 AI 写同款· GEO 优化 ›

【复旦邱锡鹏教授《神经网络与深度学习公开课》笔记】神经网络 如上图表示对多个神经元接受的信号进行加权求和，结果通过激活函数计算得到一个值，通过设置阈值来表示对应的具体含义（比如大于0.5表示神经元兴奋、小于表明神经元不兴奋）大量人工神经元以及它们之间的有向连接构成人工神经网络，这种许多神经元组成的信息处理网络具有并行分布结构。为输出层（分类器），其中隐藏层是表示学习，输出层为浅层学习，这是一个端到端的前馈深度学习。通过计算每一层结果对最终结果的贡献度，可以最终确定每个层的贡献度分配。发生变化时，对y的影响大小。层的参数，后面是偏导数，对。表示神经网络的输出，阅读详情

今天给大家分享的是“蒲公英书”——《神经网络与深度学习》

近年来，以机器学习、知识图谱为代表的人工智能技术逐渐变得普及。从车牌识别、人脸识别、语音识别、智能助手、推荐系统到自动驾驶，人们在日常生活中都可能有意无意地用到了人工智能技术。这些技术的背后都离不开人工智能领域研究者的长期努力。特别是最近这几年，得益于数据的增多、计算能力的增强、学习算法的成熟以及应用场景的丰富，越来越多的人开始关注这个“崭新”的研究领域：深度学习。深度学习以神经网络为主要模型，一开始用来解决机器学习中的表示学习问题。但是由于其强大的能力，深度学习越来越多地用来解决一些通用人工智能问题，比如推理、决策等。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度重视，并掀起新一轮的人工智能热潮。

作者介绍
邱锡鹏：复旦大学教授、博士生导师邱锡鹏。主要领域：自然语言处理、机器学习、深度学习等，“2020年度AI 2000年人工智能全球最具影响力提名学者”，在相关领域的高水平国际期刊、会议上发表学术论文60余篇，获得自然自然语言处理领域顶级国际会议ACL2017杰出论文奖等，作为项目负责人开发自然语言处理开源项目FUdanNLP和Fast-NLP，获得学术界和产业界的广泛使用。

书籍介绍
本书系统整理深度学习的知识体系，由浅入深地阐述深度学习的原理、模型以及方法，更适合中文读者的深度学习图书。
让读者更能全面的掌握深度学习的相关知识，并且提高以深度学习技术来解决实际问题的能力。

系统性：系统地整理了神经网络和深度学习的知识体系。鉴于深度学习涉及的知识点较多，本书从机器学习的基本概念、神经网络模型以及概率图模型三个层面来串联深度学习所涉及的知识点，使读者对深度学习技术的理解更具系统性、条理性和全面性。

可读性：本书在编排上由浅入深，在语言表达上力求通俗易懂，并通过增加图例、示例以及必要的数学推导来理解抽象的概念。同时，附录简要介绍了本书所涉及的必要数学知识，便于读者查用。

实践性：本书在网站上配套了针对每章知识点的编程练习，使得读者在学习过程中可以将理论和实践密切结合，加深对知识点的理解，并具备分析问题和解决问题的能力。