湧井良幸(作者)

1950年生于東京，畢業于東京教育大學(現築波大學)數學系，現爲自由職業者。著有《用Excel學深度學習》(合著)、《統計學有什麽用?》等。

湧井貞美(作者)

1952年生于東京，完成東京大學理學系研究科碩士課程，現爲自由職業者。著有《用Excel學深度學習》(合著)、《圖解貝葉斯統計入門》等。

楊瑞龍(譯者)

1982年生，2008年北京大學數學科學學院碩士畢業，軟件開發者，從事軟件行業10年。2013年～2016年赴日工作3年，從2016年開始在哆嗒數學網公衆号發表《數學上下三萬年》等多篇翻譯作品。

第1 章神經網絡的思想

1 - 1神經網絡和深度學習 2

1 - 2神經元工作的數學表示 6

1 - 3激活函數：将神經元的工作一般化 12

1 - 4什麽是神經網絡 18

1 - 5用惡魔來講解神經網絡的結構 23

1 - 6将惡魔的工作翻譯爲神經網絡的語言 31

1 - 7網絡自學習的神經網絡 36

第2 章神經網絡的數學基礎

2 - 1神經網絡所需的函數 40

2 - 2有助于理解神經網絡的數列和遞推關系式 46

2 - 3神經網絡中經常用到的Σ符号 51

2 - 4有助于理解神經網絡的向量基礎 53

2 - 5有助于理解神經網絡的矩陣基礎 61

2 - 6神經網絡的導數基礎 65

2 - 7神經網絡的偏導數基礎 72

2 - 8誤差反向傳播法必需的鏈式法則 76

2 - 9梯度下降法的基礎：多變量函數的近似公式 80

2 - 10梯度下降法的含義與公式 83

2 - 11用Excel 體驗梯度下降法 91

2 - 12最優化問題和回歸分析 94

第3 章神經網絡的最優化

3 - 1神經網絡的參數和變量 102

3 - 2神經網絡的變量的關系式 111

3 - 3學習數據和正解 114

3 - 4神經網絡的代價函數 119

3 - 5用Excel體驗神經網絡 127

第4 章神經網絡和誤差反向傳播法

4 - 1梯度下降法的回顧 134

4 - 2神經單元誤差 141

4 - 3神經網絡和誤差反向傳播法 146

4 - 4用Excel體驗神經網絡的誤差反向傳播法 153

第5 章深度學習和卷積神經網絡

5 - 1小惡魔來講解卷積神經網絡的結構 168

5 - 2将小惡魔的工作翻譯爲卷積神經網絡的語言 174

5 - 3卷積神經網絡的變量關系式 180

5 - 4用Excel體驗卷積神經網絡 193

5 - 5卷積神經網絡和誤差反向傳播法 200

5 - 6用Excel體驗卷積神經網絡的誤差反向傳播法 212

附錄

A訓練數據(1) 222

B訓練數據(2) 223

C用數學式表示模式的相似度 225