第 1章　前饋神經網絡　1
1.1 感知機　3
1.2 神經網絡的交叉熵損失函數　7
1.3 導數與隨機梯度下降　11
1.4 編寫程序　15
1.5 神經網絡的矩陣錶示　17
1.6 數據獨立性　19
1.7 參考文獻和補充閱讀　20
1.8 習題　21
第 2章　Tensorflow　23
2.1 預備知識　23
2.2 TF程序　26
2.3 多層神經網絡　31
2.4 其他方麵　34
2.4.1 檢查點　34
2.4.2 tensordot　35
2.4.3 TF變量的初始化　37
2.4.4 TF圖創建的簡化　39
2.5 參考文獻和補充閱讀　40
2.6 習題　40
第3章　捲積神經網絡　43
3.1 濾波器、步長和填充　43
3.2 一個簡單的TF捲積例子　49
3.3 多層捲積　51
3.4 捲積細節　54
3.4.1 偏置　54
3.4.2 捲積層　55
3.4.3 池化運算（pooling）　55
3.5 參考文獻和補充閱讀　56
3.6 習題　57
第4章　詞嵌入與循環神經網絡　59
4.1 語言模型的詞嵌入　59
4.2 構建前饋語言模型　63
4.3 改進前饋語言模型　65
4.4 過擬閤　66
4.5 循環網絡　69
4.6 長短期記憶模型　75
4.7 參考文獻和補充閱讀　78
4.8 習題　78
第5章　序列到序列學習　81
5.1 seq2seq模型　82
5.2 編寫一個seq2seq MT程序　84
5.3 seq2seq中的注意力機製　87
5.4 多長度seq2seq　90
5.5 編程練習　91
5.6 參考文獻和補充閱讀　93
5.7 習題　94
第6章　深度強化學習　97
6.1 值迭代　98
6.2 Q學習　101
6.3 深度Q學習基礎　103
6.4 策略梯度法　106
6.5 行動者-評論傢方法　112
6.6 經驗迴放　114
6.7 參考文獻和補充閱讀　115
6.8 習題　116
第7章　無監督神經網絡模型　119
7.1 基本自編碼　119
7.2 捲積自編碼　122
7.3 變分自編碼　126
7.4 生成式對抗網絡　132
7.5 參考文獻和補充閱讀　137
7.6 習題　137
附錄A　部分習題答案　139
附錄B　參考文獻　143
附錄C　索引　147
本書贊譽　151
· · · · · · (收起)