深度學習的數學：用數學開啟深度學習的大門


	【數學王道】01 　　掌握數學才能開啟深度學習的大門　　注重理解才能走向數學應用之大道　　許多人在求學時期接觸數學的時候總是意興闌珊，總覺得只要四則運算就能夠應付大部分的日常所需，什麼指數、對數、向量、三角函數，甚至微積分，常常是不求甚解而只求低空飛過。等到機器學習、深度學習等掘起，人們才突然了解到那些數學知識的確是有用的，它們才是這些領域入門的鑰匙。　　不論您是曾經放棄過數學，還是想要重溫數學的知識，透過本書都可以讓您迅速重回數學的懷抱。書中擅用比喻的方式，務使讀者能夠從基礎原理開始理解，並佐以簡明扼要的範例加以解說，使讀者循序漸進地理解深度學習的諸多關鍵字，像是：權重、偏壓、啟動函數、梯度下降法、誤差反向傳播法、卷積神經網路......等。搭配清楚且直觀的插圖，就連高中生也看得懂！不管什麼樣的職業或年紀，只要拿起這本書，就能使數學成為您強而有力的武器。　　除了理解之外，本書也重視實際動手作。您可以下載書中資源，親自用Excel檔來接觸深度學習的數學操作。輸入不同的數字並觀察其變化，相信會使讀者更能夠了解公式的涵義。　　第1章神經網路的概說　　第2章理解神經網路所需的數學基礎知識　　第3章神經網路的最佳化　　第4章神經網路和誤差反向傳播法　　第5章深度學習和卷積神經網路。　　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。


	目錄第 1 章神經網路的概說 1-1 神經網路和深度學習 1-2 神經元行為的數學表示 1-3 啟動函數：將神經元的行為一般化 1-4 什麼是神經網路 1-5 用惡魔來講解神經網路的結構 1-6 將惡魔的行為翻譯成神經網路的語言 1-7 網路自主學習的神經網路第 2 章神經網路的數學基礎 2-1 神經網路所需的函數 2-2 有助於理解神經網路的數列和遞推關係式 2-3 神經網路中經常用到的 Σ 符號 2-4 有助於理解神經網路的向量基礎 2-5 有助於理解神經網路的矩陣基礎 2-6 神經網路的微分基礎 2-7 神經網路的偏微分基礎 2-8 誤差反向傳播法必備的連鎖律 2-9 梯度下降法的基礎：多變數函數的近似公式 2-10 梯度下降法的涵義與公式 2-11 用 Excel 體驗梯度下降法 2-12 最優化問題和迴歸分析第 3 章神經網路的最佳化 3-1 神經網路的參數和變數 3-2 神經網路的變數的關係式 3-3 學習資料和正解 3-4 神經網路的成本函數 3-5 用 Excel 體驗神經網路第 4 章神經網路和誤差反向傳播法 4-1 梯度下降法的回顧 4-2 神經單元誤差 δ 4-3 神經網路和誤差反向傳播法 4-4 用 Excel 體驗神經網路的誤差反向傳播法第 5 章深度學習和卷積神經網路 5-1 用小惡魔來講解卷積神經網路的結構 5-2 將小惡魔的行為翻譯成卷積神經網路的語言 5-3 卷積神經網路的變數關係式 5-4 用 Excel 體驗卷積神經網路 5-5 卷積神經網路和誤差反向傳播法 5-6 用 Excel 體驗卷積神經網路的誤差反向傳播法附錄 A 訓練資料（1） B 訓練資料（2） C 用數學式表示模式的相似度