版权
版权声明
内容提要
译者序
序言
前言
第 1 章　神经网络如何工作 001
1.1　尺有所短，寸有所长 001
1.2　一台简单的预测 003
1.3　分类器与预测器并无太大差别 008
1.4　训练简单的分类 011
1.5　有时候一个分类器不足以求解问题 020
1.6　神经元——大自然的计算机器 024
1.7　在神经网络中追踪信号 033
1.8　凭心而论，矩阵乘法大有用途 037
1.9　使用矩阵乘法的三层神经网络示例 043
1.10　学习来自多个节点的权重 051
1.11　多个输出节点反向传播误差 053
1.12　反向传播误差到更多层中 054
1.13　使用矩阵乘法进行反向传播误差 058
1.14　我们实际上如何更新权重 061
1.15　权重更新成功范例 077
1.16　准备数据 078
第 2 章　使用Python进行DIY 083
2.1　Python 083
2.2　交互式Python = IPython 084
2.3　优雅地开始使用Python 085
2.4　使用Python制作神经网络 105
2.5　手写数字的数据集MNIST 121
第 3 章　趣味盎然 153
3.1　自己的手写数字 153
3.2　神经网络大脑内部 156
3.3　创建新的训练数据：旋转图像 160
3.4　结语 164
附录A　微积分简介 165
A.1　一条平直的线 166
A.2　一条斜线 168
A.3　一条曲线 170
A.4　手绘微积分 172
A.5　非手绘微积分 174
A.6　无需绘制图表的微积分 177
A.7　模式 180
A.8　函数的函数 182
附录B　使用树莓派来工作 186
B.1　安装IPython 187
B.2　确保各项工作正常进行 193
B.3　训练和测试神经网络 194
B.4　树莓派成功了 195