中文PDF版：ai圣经——深度学习

第一章前言1
1.1 本书面向的读者. . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 深度学习的历史趋势. . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 神经网络的众多名称和命运变迁. . . . . . . . . . . 12
1.2.2 与日俱增的数据量. . . . . . . . . . . . . . . . . . . 17
1.2.3 与日俱增的模型规模. . . . . . . . . . . . . . . . . . 18
1.2.4 与日俱增的精度、复杂度和对现实世界的冲击. . . . 22
第一部分应用数学与机器学习基础25
第二章线性代数27
2.1 标量、向量、矩阵和张量. . . . . . . . . . . . . . . . . . . . 27
2.2 矩阵和向量相乘. . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 单位矩阵和逆矩阵. . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 线性相关和生成子空间. . . . . . . . . . . . . . . . . . . . . . 33
2.5 范数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.6 特殊类型的矩阵和向量. . . . . . . . . . . . . . . . . . . . . . 36
2.7 特征分解. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.8 奇异值分解. . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.9 Moore-Penrose 伪逆. . . . . . . . . . . . . . . . . . . . . . . 40
。。。。。。。。。。。。。。
。。。。。。。。。。。。。。。
。。。。。。。。

第十七章蒙特卡罗方法502
17.1 采样和蒙特卡罗方法. . . . . . . . . . . . . . . . . . . . . . . 502
17.1.1 为什么需要采样？ . . . . . . . . . . . . . . . . . . . 502
17.1.2 蒙特卡罗采样的基础. . . . . . . . . . . . . . . . . . 503
17.2 重要采样. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
17.3 马尔可夫链蒙特卡罗方法. . . . . . . . . . . . . . . . . . . . 506
17.4 Gibbs 采样. . . . . . . . . . . . . . . . . . . . . . . . . . . . 510
17.5 不同的峰值之间的混合挑战. . . . . . . . . . . . . . . . . . . 511
17.5.1 不同峰值之间通过回火来混合. . . . . . . . . . . . . 513
17.5.2 深度也许会有助于混合. . . . . . . . . . . . . . . . . 514
第十八章面对配分函数516
18.1 对数似然梯度. . . . . . . . . . . . . . . . . . . . . . . . . . . 516
18.2 随机最大似然和对比散度. . . . . . . . . . . . . . . . . . . . 518
18.3 伪似然. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
18.4 得分匹配和比率匹配. . . . . . . . . . . . . . . . . . . . . . . 526
18.5 去噪得分匹配. . . . . . . . . . . . . . . . . . . . . . . . . . . 528
18.6 噪扰对比估计. . . . . . . . . . . . . . . . . . . . . . . . . . . 529
18.7 估计配分函数. . . . . . . . . . . . . . . . . . . . . . . . . . . 531
18.7.1 退火重要采样. . . . . . . . . . . . . . . . . . . . . . 533
18.7.2 桥式采样. . . . . . . . . . . . . . . . . . . . . . . . 536
第十九章近似推断538
19.1 推断是一个优化问题. . . . . . . . . . . . . . . . . . . . . . . 539
19.2 期望最大化. . . . . . . . . . . . . . . . . . . . . . . . . . . . 541
19.3 最大后验推断和稀疏编码. . . . . . . . . . . . . . . . . . . . 542
19.4 变分推断和学习. . . . . . . . . . . . . . . . . . . . . . . . . . 544
19.4.1 离散型潜变量. . . . . . . . . . . . . . . . . . . . . . 545
19.4.2 变分法. . . . . . . . . . . . . . . . . . . . . . . . . . 551
19.4.3 连续型潜变量. . . . . . . . . . . . . . . . . . . . . . 554
19.4.4 学习和推断之间的相互作用. . . . . . . . . . . . . . 556
19.5 learned 近似推断. . . . . . . . . . . . . . . . . . . . . . . . . 556
19.5.1 wake sleep . . . . . . . . . . . . . . . . . . . . . . . 557

。。。。。。。。。。。。。。。。。。。

关键词：深度学习 PDF版 PDF learned Penrose

thanks

-刘贵贤 发表于 2017-9-3 12:24
第一章前言1
1.1 本书面向的读者. . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 深度学习的 ...

谢谢分享

谢谢楼主分享！

thank a lot

https://github.com/exacity/deeplearningbook-chinese

这里随便下

下着看看

谢谢楼主分享！！！

谢谢分享！！！

这个是全本吗？