您好,欢迎来到网站推广优化网站,我们竭诚为你服务!

百度推广、网站SEO优化排名公司

提供网站SEO排名优化推广教程方案

开放下载!复旦大学邱锡鹏教授发布教科书《神经网络与深度学习》

作者:网络优化

浏览量: 1

2020-10-11

邱老师昨天出版了这本书《志虎》:整本书终于完成了,虽然还有许多缺点。但结束,否则将无限期推迟。感谢众多热心网友的意见和建议。整本书内容可在此处下载(https://nndl.github.io/)。个人能力是有限的,书中难免


邱老师昨天出版了这本书《志虎》: 整本书终于完成了,虽然还有许多缺点。但结束,否则将无限期推迟。感谢众多热心网友的意见和建议。整本书 内容可在此处下载(https://nndl.github.io/)。个人能力是有限的,书中难免会有错误和错误。我也希望读者海汉和更正将非常感谢。"

知道地址: https://zhuanlan.zhihu.com/p/61591812。

练习与书:https://github.com/nndl/exercise。

总体而言,本书介绍了从基础到研究前沿的深入学习的核心概念和理论。我们不仅可以了解基本的深层神经网络网络,如全连接、卷积和循环,还可以学习变压器等尖端模型。当然,附录中也提供了所需的数学基础。这本446页的开放式教材用于深度学习,足以让我们理解DL的来已。

邱先生为复旦大学计算机科学与技术学院副教授、博士生导师。他目前从事自然语言处理、深度学习等领域的研究。发表学术论文50多篇。此外,邱先生是复旦NLP的开发者和FastNLP的负责人,这两个项目都是开源项目,旨在提供更好的NLP工具。

github.io

下面,我们将截取部分原著和练习,希望它能介绍整体结构和一般内容。作为一本优秀的深入学习汉语的教科书,它非常值得下载和阅读。

本书的目的是使读者掌握神经网络和深度学习技术的基本原则,并了解原因。这本书由15章组成。第一章是导论,介绍了人工智能、机器学习和深度学习的大纲,使读者能够全面了解相关知识。第 2 章和第 3 章介绍机器学习的基础知识。

第 4、5 和 6 章描述了三个主要神经网络模型:前馈神经网络、卷积神经网络和循环神经网络。第七章介绍了神经网络的优化和正则化方法。第八章介绍了神经网络的注意机制和外部记忆。第九章简要介绍了一些无监督的学习方法。第10章介绍了一些独立于模型的机器学习方法:集成学习、协作学习、自学、多任务学习、转移学习、终身学习、小样本学习、元学习等。这些是当前深入学习的难点和热点问题。

第11章介绍了概率图模型的基本概念,并为后续章节铺平了道路。第 12 章介绍了两个早期深度学习模型:玻尔兹曼机器和深度信仰网络。第 13 章介绍了过去两年中发展非常迅速的深代模型:变异自动编码器和对抗性生成网络。第14章介绍了深加固学习的知识。第15章介绍了广泛使用的序列生成模型。

20152014年,复旦大学计算机学院开设了"神经网络与深度学习"课程。当时,没有关于深度学习的系统介绍。说好深度学习是不容易的。本课程涉及很多知识点,而且相当混乱,与实践紧密结合。作为一名教师,我试图整理深度学习的知识体系,并在互联网上写了一篇讲座。

虽然当时对深度学习的理解还很浅,在讲稿中也有很多错误,但还是得到了许多热心网友的反馈和鼓励。2016年,华章公司编辑姚磊多次访问,希望将这堂讲座编成一本书。一方面,我被姚磊的编辑的真诚所感动,另一方面,我真的觉得应该有一本关于中小学生和相关从业者的深入学习的专门书,最后我想正式出版。

然而,我仍然低估了写书的难度。一方面,深度学习的发展非常迅速,而我自己对深度学习的认识也在不断变化,这导致写作内容往往需要修改。另一方面,这是通常的科研工作。它非常繁忙,很难花很长时间来冥想,所以断断续续的写作被推迟至今。

虽然我的书写作的理想状态是,我有我自己的理论系统,在某一领域,我已经统一了各种方法到我自己的系统,并可以容纳大多数技术,并从新的角度重新开始解释这些技术。这本书显然还没有达到这个水平,但我希望结合自己的经验来总结和梳理神经网络的相关知识和深度学习。通过写一本书,我也会让自己更深入地了解深度学习。一个领域,提高你的理论水平。

简要目录如下:

第一部分 入门篇

第 1 章 绪论

第二章 机器学习概述

第 3 章 线性模型

第二部分 基础模型

第四章 前馈神经网络

第五章 卷积神经网络

第六章 循环神经网络

第七章 网络优化与规范化

第八章 注意机制与外部记忆

第九章 无监督学习

第十章 模型独立学习

第三部分 进阶模型

第11章 概率图模型

第十二章 深度信仰网络

第13章 深度生成模型

第十四章 深度强化学习

第15章 序列生成模型

附录 A 线性代数

附录 B 微积分

附录 C 数学优化

附录 D 概率论

附录 E 信息论

当然,实际图书目录将显示更多细节,读者可以下载原始图书查看:

内容

就内容而言,读者需要自己了解,所以我们截取了书的一部分,读者可以阅读。

随书代码与练习题

除了提供一些样本代码,如PyTorch或TensorFlow的分类和回归问题外,邱先生还提供了很多练习问题。目前,主要有第3、4、5、6、11和14章。例如,在循环神经网络的第6章中,练习题目是利用循环神经网络实现唐诗的生成任务。

本主题的要求是完成节目前面的三个空的和生成的诗代码,并生成以"白天、红色、山、夜、湖、海、月"开头的诗歌。

项目提供相应的数据和一些代码。我们只需要完全按照要求填写。例如,在诗歌生成的 TensorFlow 实现中,我们需要完成的模型体系结构代码是:

还有许多其他练习,包括受限的玻尔兹曼机器、混合高斯模型、奥赛罗游戏(强化学习)和卷积神经网络。

最后,这本开放的书非常全面,有许多支持资源。也许这个研究小组可以再组织起来了。


进入了解更多关于网络优化的信息。