书名：深度学习的数学
定价：69.0
ISBN：9787115509345
作者：涌井良幸等
版次：第1版
出版时间：2019-05
内容提要：

《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。*1章介绍神经网络的概况；*2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的*优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。

作者简介：
涌井良幸（作者） 1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。 涌井贞美（作者） 1952年生于东京，完成东京大学理学系研究科硕士课程，现为自由职业者。著有《用Excel学深度学习》（合著）、《图解贝叶斯统计入门》等。 杨瑞龙（译者） 1982年生，2008年北京大学数学科学学院硕士毕业，软件*发者，从事软件行业10年。2013年～2016年赴日工作3年，从2016年开始在哆嗒数学网公众号发表《数学上下三万年》等多篇翻译作品。

目录：
第 1 章　神经网络的思想
1 - 1　神经网络和深度学习 2
1 - 2　神经元工作的数学表示 6
1 - 3　激活函数：将神经元的工作一般化 12
1 - 4　什么是神经网络 18
1 - 5　用恶魔来讲解神经网络的结构 23
1 - 6　将恶魔的工作翻译为神经网络的语言 31
1 - 7　网络自学习的神经网络 36
第 2 章　神经网络的数学基础
2 - 1　神经网络所需的函数 40
2 - 2　有助于理解神经网络的数列和递推关系式 46
2 - 3　神经网络中经常用到的Σ符号 51
2 - 4　有助于理解神经网络的向量基础 53
2 - 5　有助于理解神经网络的矩阵基础 61
2 - 6　神经网络的导数基础 65
2 - 7　神经网络的偏导数基础 72
2 - 8　误差反向传播法必需的链式法则 76
2 - 9　梯度下降法的基础：多变量函数的近似公式 80
2 - 10　梯度下降法的含义与公式 83
2 - 11　用Excel 体验梯度下降法 91
2 - 12　*优化问题和回归分析 94
第3 章　神经网络的*优化
3 - 1　神经网络的参数和变量 102
3 - 2　神经网络的变量的关系式 111
3 - 3　学习数据和正解 114
3 - 4　神经网络的代价函数 119
3 - 5　用Excel体验神经网络 127
第4 章　神经网络和误差反向传播法
4 - 1　梯度下降法的回顾 134
4 - 2　神经单元误差 141
4 - 3　神经网络和误差反向传播法 146
4 - 4　用Excel体验神经网络的误差反向传播法 153
第5 章　深度学习和卷积神经网络
5 - 1　小恶魔来讲解卷积神经网络的结构 168
5 - 2　将小恶魔的工作翻译为卷积神经网络的语言 174
5 - 3　卷积神经网络的变量关系式 180
5 - 4　用Excel体验卷积神经网络 193
5 - 5　卷积神经网络和误差反向传播法 200
5 - 6　用Excel体验卷积神经网络的误差反向传播法 212
附录　
A　训练数据（1） 222
B　训练数据（2） 223
C　用数学式表示模式的相似度 225