首先在這裏給各位讀者分享一個好消息，我的處女作《推薦系統開發實戰》已經被兩所高校納爲教學用書了，當編輯把這個消息告訴我的時候，說實話內心十分的激動和意外！
目前這本書在京東和噹噹都有滿100-50的活動，感興趣的朋友歡迎購買閱讀，目前該書還沒有電子版，所以只能閱讀紙質書了！
言歸正傳，今天要分享的是2019年整理的《常見的五種神經網絡》系列文章，當時也是看書記筆記，堅持了很久才更新完，不過閱讀量就xxx，可能大家對這種硬核性文章不感興趣吧，不過沒關係，今天把該系列的文章整理成PDF分享給大家，關注「搜索與推薦Wiki」公衆號，回覆 0301 即可獲得。
該系列文章的閱讀鏈接爲：
- 常見的五種神經網絡(1)-前饋神經網絡
- 常見的五種神經網絡(2)-卷積神經網絡
- 常見的五種神經網絡(3)-循環神經網絡(上)篇
- 常見的五種神經網絡(3)-循環神經網絡(中)篇
- 常見的五種神經網絡(3)-循環神經網絡(下)篇
- 常見的五種神經網絡(4)-深度信念網絡(上)篇
- 常見的五種神經網絡(4)-深度信念網絡(下)篇
- 常見的五種神經網絡(5)-生成對抗網絡(上)篇
- 常見的五種神經網絡(5)-生成對抗網絡(下)篇
整理的目錄如下：
- 1、前饋神經網絡
- 介紹
- 參數學習
- 反向傳播算法
- 自動梯度計算
- 數值微分
- 符號微分
- 自動微分
- 2、卷積神經網絡
- 卷積的概念
- 一維卷積
- 二維卷積
- 互相關
- 常見的卷積核及特徵
- 常見的卷積核
- 卷積核的特徵
- 卷積的變種
- 卷積的數學性質
- 交換性
- 導數
- 卷積神經網絡
- 用卷積代替全連接
- 卷積層
- 匯聚層
- 全連接層
- 典型的卷積網絡結構
- 參數學習
- 誤差項的計算
- 卷積層
- 匯聚層
- 幾種典型的卷積神經網絡
- LeNet-5
- AlexNet
- Inception
- 殘差網絡
- 其他卷積方式
- 轉置卷積
- 空洞卷積
- 參考筆記
- 卷積的概念
- 3、循環神經網絡
- 上篇
- 概述
- 如何給網絡增加記憶能力
- 延時神經網絡
- 有外部輸入的非線性自迴歸模型
- 循環神經網絡
- 一般的循環神經網絡
- 單向循環神經網絡
- 雙向循環神經網絡
- 深度循環神經網絡
- 循環神經網絡應用到機器學習任務
- 序列到類別模式
- 同步的序列到序列模式
- 異步的序列到序列模式
- 中篇
- 參數學習
- 隨時間反向傳播算法
- 實時循環學習
- 長期依賴
- 常見的循環神經網絡結構
- N比N結構
- 1比N結構
- N比1結構
- N比M結構
- 參數學習
- 下篇
- LSTM
- 新的內部狀態
- 門機制
- GRU
- RecNN
- GN
- LSTM
- 上篇
- 4、深度信念網絡
- 上篇
- 背景
- 玻爾茲曼機
- 介紹
- 生成模型
- 受限玻爾茲曼機
- 介紹
- 生成模型
- 下篇
- 深度信念網絡介紹
- 生成模型
- 參數學習
- 總結
- 上篇
- 5、生成對抗網絡
- 上篇
- 生成模型的基本功能
- 密度估計
- 生成樣本
- 變分自動編碼器
- 從分佈變換看VAE
- VAE的通常理解
- VAE應該是什麼樣的
- 分佈標準化
- VAE的本質
- VAE中的變分
- 生成模型的基本功能
- 下篇
- KL散度、JS散度、Wassertein距離
- KL散度
- JS散度
- Wassertrin距離
- 顯式和隱式密度模型
- 網絡分解與訓練
- 判別網絡
- 生成網絡
- 網絡訓練
- DCGAN
- DCGAN介紹
- 模型分析
- 模型坍塌
- 前向和逆向KL散度
- W-GAN
- 總結
- KL散度、JS散度、Wassertein距離
- 上篇
好了，這就是《常見的五種神經網絡》電子書目錄了，關注「搜索與推薦Wiki」公衆號，回覆 0301 獲取。
