譯者序
前言
第1章深度學習概述
1.1人工智能的變遷
1.1.1人工智能的定義
1.1.2人工智能曾經的輝煌
1.1.3機器學習的演化
1.1.4機器學習的局限性
1.2人與機器的區分因素
1.3人工智能與深度學習
1.4小結
第2章機器學習算法——為深度學習做準備
2.1入門
2.2機器學習中的訓練需求
2.3監督學習和無監督學習
2.3.1支持嚮量機
2.3.2隱馬爾可夫模型
2.3.3神經網絡
2.3.4邏輯迴歸
2.3.5增強學習
2.4機器學習應用流程
2.5神經網絡的理論和算法
2.5.1單層感知器
2.5.2邏輯迴歸
2.5.3多類邏輯迴歸
2.5.4多層感知器
2.6小結
第3章深度信念網絡與棧式去
噪自編碼器
3.1神經網絡的沒落
3.2神經網絡的復興
3.2.1深度學習的進化——突破是什麼
3.2.2預訓練的深度學習
3.3深度學習算法
3.3.1限製玻爾茲曼機
3.3.2深度信念網絡
3.3.3去噪自編碼器
3.3.4棧式去噪自編碼器
3.4小結
第4章dropout和捲積神經網絡
4.1沒有預訓練的深度學習算法
4.2dropout
4.3捲積神經網絡
4.3.1捲積
4.3.2池化
4.3.3公式和實現
4.4小結
第5章探索Java深度學習庫——DL4J、ND4J以及其他
5.1從零實現與使用庫/框架
5.2DL4J和 ND4J 的介紹
5.3使用 ND4J 實現
5.4使用DL4J實現
5.4.1設置
5.4.2構建
5.4.3CNNMnistExample.java/LenetMnistExample.java
5.4.4學習速率的優化
5.5小結
第6章實踐應用——遞歸神經網絡等
6.1深度學習熱點
6.1.1圖像識彆
6.1.2自然語言處理
6.2深度學習的挑戰
6.3最大化深度學習概率和能力的方法
6.3.1麵嚮領域的方法
6.3.2麵嚮分解的方法
6.3.3麵嚮輸齣的方法
6.4小結
第7章其他重要的深度
學習庫
7.1Theano
7.2TensorFlow
7.3Caffe
7.4小結
第8章未來展望
8.1深度學習的爆炸新聞
8.2下一步的展望
8.3對深度學習有用的新聞資源
8.4小結
· · · · · · (收起)