链接：https://pan.baidu.com/s/1p28e-6biKJSKFiVRLslRRA?pwd=slof 

提取码：slof

编辑推荐

适读人群 ：本书适合深度学习研究人员和爱好者阅读。

1.以原理为导向：本书细致阐释神经网络和深度学习的核心概念，而不是笼统地罗列想法，带领读者掌握神经网络的工作原理，技术兴衰起落，而原理是长久的；
2.注重实践：本书通过解决具体问题——教计算机识别手写数字——来介绍神经网络和深度学习的核心理论；
3.Michael Nielsen高分深度学习入门讲义正式版，本书基于Python语言编写，新手也可以很快入门；
4.李航、马少平、邱锡鹏等多位科学家重磅推荐；
5.配套动态示例，有助于直观理解神经网络输出，提供源代码。

内容简介

本书深入讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。作者以技术原理为导向，辅以贯穿全书的MNIST手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完本书后，读者将能够通过编写Python代码来解决复杂的模式识别问题。

作者简介

【作者简介】

迈克尔.尼尔森（Michael Nielsen）

计算机科学家、量子物理学家、科普作家，Y Combinator Research的研究Fellow，曾受邀在哈佛大学、斯坦福大学、麻省理工学院、剑桥大学、牛津大学等高校以及谷歌和微软等公司做主题演讲，另著有高分作品《重塑发现》和《量子计算和量子信息》。

【译者简介】

朱小虎

University AI创始人兼首席科学家、Center for Safe AGI创始人、谷歌开发者机器学习专家、百度深度学习布道者。和团队核心成员一起创建了TASA、DL Center（深度学习知识中心全球价值网络）和AI Growth（行业智库培训）等。举办过多场国际性人工智能峰会和活动。在多个技术平台写下了近百万字的人工智能精品技术内容。曾受邀为多所国内高校制定人工智能学习规划和教授人工智能前沿课程，也曾为多家世界500强企业提供人工智能方面的战略布局建议及落地实施等方面的咨询建议。

目录

前言
第　1章 使用神经网络识别手写数字　1
1．1　感知机　2
1．2　sigmoid神经元　7
1．3　神经网络的架构　11
1．4　一个简单的神经网络：分类手写数字　13
1．5　利用梯度下降算法进行学习　17
1．6　实现分类数字的神经网络　25
1．7　迈向深度学习　37
第　2章 反向传播算法工作原理　41
2．1　热身：使用矩阵快速计算输出　41
2．2　关于代价函数的两个假设　43
2．3　阿达马积s⊙t　45