神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)

初次聽說其名號的人都會充滿著各種幻想

深入了解后你會發(fā)現(xiàn)

它還是對治深度學(xué)習(xí)恐懼癥的一劑良藥

NO.1

《解析深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實踐》

魏秀參 著

周志華教授作序力薦，展現(xiàn)深度學(xué)習(xí)特別是CNN從數(shù)據(jù)、模型到系統(tǒng)的全棧式開發(fā)過程和技巧，一流的深度學(xué)習(xí)入門實踐書！

本書作為卷積神經(jīng)網(wǎng)絡(luò)的入門書籍，兼顧基礎(chǔ)知識和學(xué)習(xí)難點，讓初學(xué)者不僅可以看明白、而且能夠讀懂，知其所以然并舉一反三運用到自己的工程實踐中。在內(nèi)容上涵蓋深度卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識和實踐應(yīng)用兩大方面。通過“基礎(chǔ)知識”和“實踐技巧”兩方面使讀者從更高維度了解、掌握并成功構(gòu)建針對自身應(yīng)用問題的深度卷積神經(jīng)網(wǎng)絡(luò)。

NO.2

《圖解深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)：從張量到TensorFlow實現(xiàn)》

張平 編著

本書是以TensorFlow 為工具介紹神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的入門書，內(nèi)容循序漸進(jìn)，以簡單示例和圖例的形式，展示神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)背后的數(shù)學(xué)基礎(chǔ)原理，幫助讀者更好地理解復(fù)雜抽象的公式。同時，采用手動計算和程序代碼這兩種方式講解示例，可以更好地幫助讀者理解TensorFlow 的常用函數(shù)接口，為讀者掌握利用TensorFlow 搭建人工智能項目打下良好的基礎(chǔ)。

NO.3

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)應(yīng)用實戰(zhàn)》

劉凡平 等 編著

本書緊密結(jié)合一線工程師的研究成果，是對當(dāng)前神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的完整性原理介紹和實踐分析。

本書從結(jié)構(gòu)上重點介紹了前饋型神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)，以及自組織競爭型神經(jīng)網(wǎng)絡(luò)，并針對當(dāng)下深度學(xué)習(xí)中比較重要的網(wǎng)絡(luò)進(jìn)行了詳細(xì)介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)（遞歸）神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)，以及深度強化學(xué)習(xí)。

NO.4

《Python與神經(jīng)網(wǎng)絡(luò)實戰(zhàn)》

何宇健 編著

本書較為全面地介紹神經(jīng)網(wǎng)絡(luò)的諸多基礎(chǔ)與進(jìn)階的技術(shù)，以及如何利用神經(jīng)網(wǎng)絡(luò)來解決真實世界中的現(xiàn)實任務(wù)。

各章節(jié)的內(nèi)容不僅包括了經(jīng)典的傳統(tǒng)機器學(xué)習(xí)算法與神經(jīng)網(wǎng)絡(luò)的方方面面，也對它們進(jìn)行了對比與創(chuàng)新。如果能夠掌握好本書所敘述的知識的話，相信即使具體的技術(shù)迭代得再快，讀者也能根據(jù)本書所打好的基礎(chǔ)來快速理解、上手與改進(jìn)它們。

NO.5

《Python與機器學(xué)習(xí)實戰(zhàn)：決策樹、集成學(xué)習(xí)、支持向量機與神經(jīng)網(wǎng)絡(luò)算法詳解及編程實現(xiàn)》

何宇健 編著

雖說神經(jīng)網(wǎng)絡(luò)算法的推導(dǎo)看上去繁復(fù)而“令人生畏”，但其實所用到的知識并不深奧。本書算法與代碼兼顧，通過簡單的Python，來完成復(fù)雜的機器學(xué)習(xí)算法。

本書由淺入深，理論與實踐并存，同時將理論也進(jìn)行了合理的分級；無論讀者在此前對機器學(xué)習(xí)有何種程度的認(rèn)知，想必都能通過不同的閱讀方式有所收獲。