深度学习——卷积神经网络算法原理与应用（普通高等教育新工科人才培养规划教材（大数据专业））

前言
第1章 绪论
1.1 深度学习
1.1.1 概述
1.1.2 基本思想
1.1.3 基本分类
1.2 卷积神经网络技术的发展与应用
1.2.1 卷积神经网络的发展
1.2.2 卷积神经网络的应用
1.3 自编码器的发展及其应用
1.3.1 自编码器的发展
1.3.2 自编码器的应用
第2章 相关数学基础知识
2.1 矩阵
2.1.1 基本概念
2.1.2 矩阵运算
2.2 范数
2.2.1 范数的定义
2.2.2 范数的分类及性质
2.3 卷积运算
2.3.1 定义
2.3.2 多维数组的卷积
2.4 激活函数
2.4.1 线性激活函数
2.4.2 非线性激活函数
2.5 信息熵
2.5.1 定义
2.5.2 条件熵
2.5.3 相对熵
2.5.4 交叉熵
习题
第3章 神经网络
3.1 人工神经网络
3.1.1 人工神经元模型
3.1.2 人工神经网络结构
3.2 BP神经网络
3.2.1 原理
3.2.2 网络结构
3.2.3 BP神经算法原理
3.2.4 信号传递过程的实现
3.2.5 算法分析
习题
第4章 卷积神经网络
4.1 原理
4.1.1 动机
4.1.2 卷积神经网络特点
4.2 LeNet
4.2.1 网络总体结构
4.2.2 分层结构
4.3 反向传播