导语

  

内容提要

  

    在菲尔·吉米著的《MATLAB深度学习(机器学习神经网络与人工智能)》深入浅出的指导方式下，开启MATLAB深度学习与人工智能之旅吧!本书开篇介绍机器学习的基础知识，然后逐渐铺开，分别讨论神经网络、深度学习以及卷积神经网络。为将理论知识与实际应用完美结合，本书将MATLAB作为书中示例及案例分析的基础编程语言和开发工具。
    通过学习本书，你将能应对当今现实世界中的一些大数据、智能机器人以及其他复杂数据问题。你将体会到，在当前的智能数据分析与应用中，深度学习是机器学习领域更高级、更智能的方面。

    Phil Kim博士是一名经验丰富的MATLAB程序员和用户。他致力于研究来源于人工智能的海量数据的处理算法，并且研究机器学习。他曾任韩国航天航空研究院高级研究员。在该院他的主要任务是开发用于无人驾驶飞行器的自主飞行算法和机载软件。他在攻读博士学位期间开发了一款名为Clickey的屏幕键盘程序，该程序成为他当前就任韩国国家康复研究院高级研究员的桥梁。

第1章  机器学习
  1.1 什么是机器学习
  1.2 机器学习面临的挑战
    1.2.1 过拟合
    1.2.2 克服过拟合
  1.3 机器学习的类型
  1.4 本章小结
第2章  神经网络
  2.1 神经网络的节点
  2.2 神经网络的层
  2.3 神经网络的监督学习
  2.4 训练单层神经网络：delta规则
  2.5 广义delta规则
  2.6 SGD、Batch和MiniBatch
    2.6.1 SGD
    2.6.2 Batch
    2.6.3 MiniBatch
  2.7 delta规则示例
  2.8 SGD方法的实现
  2.9 Batch方法的实现
  2.10 SGD与Batch的比较
  2.11 单层神经网络的局限性
  2.12 究竟发生了什么?
  2.13 本章小结
第3章  多层神经网络的训练
  3.1 反向传播算法
  3.2 反向传播示例
    3.2.1 XOR问题
    3.2.2 动量
  3.3 代价函数与学习规则
  3.4 交叉熵函数示例
  3.5 交叉熵函数
  3.6 代价函数比较
  3.7 本章小结
第4章  神经网络与分类问题
  4.1 二元分类
  4.2 多元分类
  4.3 多元分类示例
  4.4 本章小结
第5章  深度学习
  5.1 深度神经网络的改进
    5.1.1 梯度消失
    5.1.2 过拟合
    5.1.3 计算负载
  5.2 ReLU与Dropout的实例
    5.2.1 ReLU函数
    5.2.2 Dropout
  5.3 本章小结
第6章  卷积神经网络
  6.1 卷积神经网络架构
  6.2 卷积层
  6.3 池化层
  6.4 MNIST示例
  6.5 本章小结