深度學習的數學
內容描述
《深度學習的數學》基於豐富的圖示和具體示例，通俗易懂地介紹了深度學習相關的數學知識。第1章介紹神經網絡的概況；第2章介紹理解神經網絡所需的數學基礎知識；第3章介紹神經網絡的最優化；第4章介紹神經網絡和誤差反向傳播法；第5章介紹深度學習和捲積神經網絡。書中使用Excel進行理論驗證，幫助讀者直觀地體驗深度學習的原理。
目錄大綱
第1章神經網絡的思想
1 - 1神經網絡和深度學習2
1 - 2神經元工作的數學表示6
1 - 3激活函數：將神經元的工作一般化12
1 - 4什麼是神經網絡18
1 - 5用惡魔來講解神經網絡的結構23
1 - 6將惡魔的工作翻譯為神經網絡的語言31
1 - 7網絡自學習的神經網絡36
第2章神經網絡的數學基礎
2 - 1神經網絡所需的函數40
2 - 2有助於理解神經網絡的數列和遞推關係式46
2 - 3神經網絡中經常用到的Σ符號51
2 - 4有助於理解神經網絡的向量基礎53
2 - 5有助於理解神經網絡的矩陣基礎61
2 - 6神經網絡的導數基礎65
2 - 7神經網絡的偏導數基礎72
2 - 8誤差反向傳播法必需的鍊式法則76
2 - 9梯度下降法的基礎：多變量函數的近似公式80
2 - 10梯度下降法的含義與公式83
2 - 11用Excel體驗梯度下降法91
2 - 12最優化問題和回歸分析94
第3章神經網絡的最優化
3 - 1神經網絡的參數和變量102
3 - 2神經網絡的變量的關係式111
3 - 3學習數據和正解114
3 - 4神經網絡的代價函數119
3 - 5用Excel體驗神經網絡127
第4章神經網絡和誤差反向傳播法
4 - 1梯度下降法的回顧134
4 - 2神經單元誤差141
4 - 3神經網絡和誤差反向傳播法146
4 - 4用Excel體驗神經網絡的誤差反向傳播法153
第5章深度學習和卷積神經網絡
5 - 1小惡魔來講解卷積神經網絡的結構168
5 - 2將小惡魔的工作翻譯為卷積神經網絡的語言174
5 - 3卷積神經網絡的變量關係式180
5 - 4用Excel體驗卷積神經網絡193
5 - 5卷積神經網絡和誤差反向傳播法200
5 - 6用Excel體驗卷積神經網絡的誤差反向傳播法212
附錄
A訓練數據（1） 222
B訓練數據（2） 223
C用數學式表示模式的相似度225
作者介紹
湧井良幸（作者）
1950年生於東京，畢業於東京教育大學（現筑波大學）數學系，現為自由職業者。著有《用Excel學深度學習》（合著）、《統計學有什麼用？》等。
湧井貞美（作者）
1952年生於東京，完成東京大學理學系研究科碩士課程，現為自由職業者。著有《用Excel學深度學習》（合著）、《圖解貝葉斯統計入門》等。
楊瑞龍（譯者）
1982年生，2008年北京大學數學科學學院碩士畢業，軟件開發者，從事軟件行業10年。2013年～2016年赴日工作3年，從2016年開始在哆嗒數學網公眾號發表《數學上下三萬年》等多篇翻譯作品。
