强烈建议学机器学习的同学看一下这本书。作者是一个善于把事情浅显语言就把事情说明白的人。👍🏻
深度学习的入门书,第一章关于神经网络的数学理论和工作原理讲述地很通俗易懂[强],后面的实操部分对开发者来说反而有些多余
用作神经网络入门还可以,内容其实只是全连接层,主要分为前向馈送信号和反向传播误差两个步骤,尤其是反向传播误差来实现调节模型简直妙极了。神经网络就像一个黑盒子,虽然黑盒子已经学会如何求解问题,但所学习到的知识常常不能转化为对问题的理解和智慧。
层层渐进,一点一点从头开始构建神经网络,理论和实战并行,对新手非常友好
特别清晰的讲述了神经网络基础,从0到1用python创建一个手写数字识别的神经网络,从理论到实践,再从实践反补理论,对于有python基础的可以3小时看完,并上手,强烈推荐
本书语言比较平实,即使编程经验不是很多,也基本上能看懂。第二章的算例讲解的非常详细,当做Python的入门学习也可以。
花了一下午看完这本书,讲的非常好,很适合小白入门神经网络![强]
非常牛逼,见过最好的神经网络模型的入门书;之前在学校里里读过原版,跟着手推公式,非常丝滑
大体上翻了翻,内容不多,短小精悍。没有完全看懂,但是对于神经网络的概念有了更实质和实际的认识。
直接买了纸质书,花了几天看完了。非常浅显易懂。看完之后,对之前听说过的名词、概念,有种豁然开朗的感觉。
书中以BP神经网络为例子,掰碎了简单易懂的从线性(简单,单一特征)问题如何自我调整从而接近答案(一个可描述线性问题的线性函数),延伸到从微观结构和功能上对神经系统电信号、负反馈调节、神经元连接强度调整进行抽象,在使用训练数据训练过程中采取局部最优的调整策略调整模拟出的连接强度,从而使得输入输出的关系,尽可能的接近一个未知的非线性函数,从而解答这种无法简单描述因果关系的复杂问题,达到泛化的能力来识别训练数据外未曾见过的数据。 泛化也是人类学习的本质,由已经经历过见过的事务归纳规律,从而推导到来解决以后遇到的未见过的情况。这个过程中如果因为见识到的样本过少或总是见见过的信息,就会出现欠拟合和过拟合的问题,如见过“一”、“二”却不认识“三”或见过“一”、“二”、“三”却以为“四”要画四道横线。这个时候需要更多的见识或打破已有认知调整学习方法建立新的神经连接。 神经网路学习既然是模拟神经系统当然也会有同样的问题。 题外: 1. 书名中有 Python 是因为 Python 库多,好实现,这部分可以不看。 2. 书里有个留言是“读完跑了几个训练之后,去研究红楼梦了”。[捂脸]
我一个学医的都能理解,关书,复现,并实现了任意层数的隐藏层和正态分布的初始权重。证明了这本书讲的非常平易近人。这种神作多多益善[666]
特别适合有一点数学和编程基础,想对神经网络有些基本了解的同学
入门神经网络非常推荐的一本书,简单并且有条理,作者将神经网络的构成和搭建都讲明白了。
一个下午就可以让你写出识别手写数字精度可以达到95%的神经网络,挺有意思的一本小册子