Neural Networks and Deep Learning：A Textbook

内容简介 · · · · · ·

如果给初学深度学习神经网络的同学们推荐一本书，那肯定会推荐这本书由Charu C.Aggarwal 编写的《Neural Networks and DeepLearning：ATextbook》。

真的很全面很通俗！完美解决了初学者不知道怎么学、从哪开始学、怎么系统学等等问题！

本书涵盖了深度学习中的经典和现代模型。主要关注深度学习的理论和算法。神经网络的理论和算法对于理解重要概念尤为重要，这样人们才能理解神经架构在不同应用中的重要设计概念。为什么神经网络有效？它们什么时候比现成的机器学习模型更好？深度什么时候有用？为什么训练神经网络如此困难？有哪些陷阱？本书还大量讨论了不同的应用，以便让实践者了解神经架构是如何为不同类型的问题设计的。详细介绍了针对各种数据域（例如文本、图像和图形）的深度学习方法。本书的章节涵盖三个类别：

神经网络基础：第 2 章讨论了反向传播算法。

许多传统的机器学习模型可以理解为神经网络的特例。第 3 章探讨了传统机器学习与神经网络之间的联系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统被证明是神经网络的特例。

神经网络基础：第 4 章和第 5 章详细讨论了训练和正则化。第 6 章和第 7 章介绍了径向基函数 (RBF) 网络和受限玻尔兹曼机。

神经网络中的高级主题：第 8、9 和 10 章讨论了循环神经网络、卷积神经网络和图神经网络。第 11 和 12 章介绍了深度强化学习、注意力机制、Transformer 网络、Kohonen 自组织映射和生成对抗网络等几个高级主题。

本教材是为研究生和本科高年级学生编写的。相关领域的研究人员和从业人员也应该购买此教材。

在可能的情况下，我们会强调以应用为中心的视图，以便于理解每类技术的实际用途。

第二版经过了大幅改组和扩充，增加了关于反向传播和图神经网络的单独章节。许多章节在第一版的基础上进行了重大修订。 人们更加关注现代深度学习思想，例如注意力机制、变换器和预训练语言模型。

作者简介 · · · · · ·

Charu C. Aggarwal 是位于纽约约克敦高地的 IBM TJ Watson 研究中心的杰出研究员 (DRSM)。他于 1993 年在印度理工学院坎普尔分校获得计算机科学学士学位，并于 1996 年在麻省理工学院获得博士学位。他在数据挖掘领域工作多年。他在同行评审的会议和期刊上发表了 400 多篇论文，并拥有 80 多项专利。他是 20 本书的作者或编辑，包括有关数据挖掘、推荐系统和异常值分析的教科书。由于其专利的商业价值，他曾三次被指定为 IBM 的首席发明家。他因在数据流中生物恐怖威胁检测方面的工作而荣获 IBM 企业奖 (2003)，因在隐私技术方面的科学贡献而荣获 IBM 杰出创新奖 (2008)，并因在数据流/高维数据方面的工作而两次荣获 IBM 杰出技术成就奖 (2009、2015)。他因在基于凝聚的隐私保护数据挖掘方面的工作而荣获 EDBT 2014 时间考验奖。他是 IEEE ICDM 研究贡献奖 (2015) 和 ACM SIGKDD 创新奖的获得者，这两个奖项是数据挖掘领域最具影响力的研究贡献奖。他还获得了 W. Wallace McDowell 奖，这是 IEEE 计算机学会在计算机科学领域颁发的最高奖项。

他曾担任 IEEE 大数据会议 (2014) 的总联合主席以及 ACM CIKM 会议 (2015)、IEEE ICDM 会议 (2015) 和 ACM KDD 会议 (2016) 的程序联合主席。他曾于 2004 年至 2008 年担任 IEEE 知识与数据工程学报的副主编。他是 IEEE 大数据学报的副主编、数据挖掘和知识发现期刊的执行编辑以及知识和信息系统期刊的副主编。他曾担任或现任 ACM 数据知识发现学报和 ACM SIGKDD Explorations 的主编。他还是 ACM 图书的主编。他是 Springer 出版的 Lecture Notes on Social Networks 的顾问委员会成员。他曾担任 SIAM 数据挖掘活动组的副总裁，并且是 SIAM 行业委员会成员。他是 SIAM、ACM 和 IEEE 的研究员，因“对知识发现和数据挖掘算法的贡献”而获奖。

下载链接：

城通网盘（访问密码：4184）

• Tags:
• IT
• 人工智能
• 数学