深度學(xué)習實(shí)踐指南 基于R語(yǔ)言簡(jiǎn)介，目錄書(shū)摘

編輯推薦:隨著(zhù)大數據爆炸式發(fā)展，深度學(xué)習及相關(guān)技術(shù)引發(fā)了人們濃厚的興趣。谷歌、微軟和Facebook等大公司都在積極發(fā)展內部的深度學(xué)習團隊，其他公司也迅速跟進(jìn)。

本書(shū)是詳細的、實(shí)用的實(shí)踐指南，揭示了深度學(xué)習模型是如何工作的，并且通過(guò)強大的開(kāi)源的R語(yǔ)言預測分析工具包展示了構建這些模型的捷徑。在本書(shū)中，作者將帶領(lǐng)讀者繞過(guò)陡峭的學(xué)習曲線(xiàn)，掌握深度學(xué)習的捷徑。通過(guò)閱讀本書(shū)，讀者將會(huì )學(xué)到如何構建成功的深度學(xué)習模型，并將其用于數據挖掘。一旦掌握了構建深度學(xué)習模型的流程，讀者就很容易將掌握的知識變成強有力的應用工具。

本書(shū)包括以下內容：
★ 如何開(kāi)發(fā)循環(huán)神經(jīng)網(wǎng)絡(luò )（Recurrent Neural Networks）；
★ 如何構建Elman神經(jīng)網(wǎng)絡(luò )（Elman Neural Networks）；
★ 如何部署Jordan神經(jīng)網(wǎng)絡(luò ) （Jordan Neural Networks）；
★ 如何創(chuàng )建級聯(lián)關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò )（Cascade Correlation Neural Networks）；
★ 理解深度神經(jīng)網(wǎng)絡(luò )（Deep Neural Networks）；
★ 使用自編碼器（Autoencoders）；
★ 釋放堆疊自編碼器（Stacked Autoencoders）的威力；
★ 利用受限玻爾茲曼機（Restricted Boltzmann Machine）；
★ 掌握深度信念網(wǎng)絡(luò )（Deep Belief Networks）。

本書(shū)適用于任何對機器學(xué)習、預測分析技術(shù)、神經(jīng)網(wǎng)絡(luò )、決策科學(xué)感興趣的人。如果你想進(jìn)入知名的數據科學(xué)家的行列，本書(shū)則可以幫助你初窺門(mén)徑。

內容簡(jiǎn)介:深度學(xué)習的概念源于人工神經(jīng)網(wǎng)絡(luò )的研究，它是機器學(xué)習中一種基于對數據進(jìn)行表征學(xué)習的方法。
本書(shū)是一本詳細的、實(shí)用的深度學(xué)習實(shí)踐指南。它共有8 章，詳細講解了深度神經(jīng)網(wǎng)絡(luò )、Elman 神經(jīng)網(wǎng)絡(luò )、Jordan 神經(jīng)網(wǎng)絡(luò )、自編碼器、堆疊自編碼器、限制玻爾茲曼機的相關(guān)知識。本書(shū)并沒(méi)有詳細介紹那些深奧的數字公式，它旨在解釋深度學(xué)習模型是如何工作的，讓讀者學(xué)會(huì )如何構建成功的深度學(xué)習模型，并將其用于數據挖掘，從而讓讀者迅速地學(xué)以致用，可以用深度學(xué)習構建更智能的應用。
本書(shū)適合數據科學(xué)家、各領(lǐng)域的研究人員閱讀，也適合其他對深度學(xué)習感興趣的人士閱讀。

作者簡(jiǎn)介:尼格爾·劉易斯（N.D. Lewis）是一位數據科學(xué)和預測領(lǐng)域的講師、作者和研究者。他在華爾街和倫敦從事投資管理工作多年，編著(zhù)了統計、數據科學(xué)和量化模型方面的數本圖書(shū)，并且在大學(xué)里開(kāi)設深度學(xué)習、機器學(xué)習和數據分析應用等方面的課程。

目錄:第 1章　簡(jiǎn)介　1
1．1　什么是深度學(xué)習　2
1．2　深度學(xué)習解決什么問(wèn)題　3
1．3　誰(shuí)在使用深度學(xué)習　4
1．4　神經(jīng)網(wǎng)絡(luò )基礎　6
1．4．1　神經(jīng)元的角色（作用）　9
1．4．2　激活函數　11
1．4．3　神經(jīng)網(wǎng)絡(luò )學(xué)習算法　13
1．5　注釋　16
第 2章　深度神經(jīng)網(wǎng)絡(luò )　24
2．1　令人驚訝的對深度神經(jīng)網(wǎng)絡(luò )的簡(jiǎn)單剖析　25
2．2　如何用60秒或更少的時(shí)間解釋清楚深度神經(jīng)網(wǎng)絡(luò )　26
2．3　3個(gè)絕妙的使用深度神經(jīng)網(wǎng)絡(luò )的途徑　27
2．3．1　在有霧天氣增強能見(jiàn)度　27
2．3．2　讓黑客和網(wǎng)絡(luò )犯罪分子吃些苦頭　30
2．3．3　令人難以置信的收縮的圖像壓縮　31
2．4　如何迅速逼近任意函數　33
2．5　選擇多少個(gè)神經(jīng)元　38
2．6　選擇最佳神經(jīng)網(wǎng)絡(luò )層數的常識　40
2．7　提升深度神經(jīng)網(wǎng)絡(luò )性能的3種方法　41
2．7．1　用“dropout”方法來(lái)提高成功率　41
2．7．2　如何從小批量（mini batching）中獲益　44
2．7．3　提前終止（Early stopping）的簡(jiǎn)單計劃　45
2．8　用R以難以置信的簡(jiǎn)單方法來(lái)構建深度神經(jīng)網(wǎng)絡(luò )　47
2．8．1　構建深度神經(jīng)網(wǎng)絡(luò )回歸模型的方法　47
2．8．2　聰明人使用深度神經(jīng)網(wǎng)絡(luò )回歸模型的技巧　51
2．8．3　構建深度神經(jīng)網(wǎng)絡(luò )分類(lèi)器的藝術(shù)　54
2．8．4　如何構建多響應變量模型　61
2．9　注釋　69
第3章　Elman神經(jīng)網(wǎng)絡(luò )　75
3．1　什么是Elman神經(jīng)網(wǎng)絡(luò )　76
3．2　上下文層神經(jīng)元的作用是什么　77
3．3　如何理解信息的流動(dòng)　77
3．4　如何用Elman神經(jīng)網(wǎng)絡(luò )提升效果　78
3．5　使用Elman神經(jīng)網(wǎng)絡(luò )的4種妙招　78
3．5．1　終極天氣預報模型　79
3．5．2　如何迅速發(fā)現嚴重的故障　79
3．5．3　提高水質(zhì)量的創(chuàng )新性想法　80
3．5．4　在股票證券市場(chǎng)如何實(shí)現一個(gè)“殺手級”應用　80
3．6　構建Elman神經(jīng)網(wǎng)絡(luò )的簡(jiǎn)單方法　81
3．7　如何加載工具包　82
3．8　為什么數據可視化是一門(mén)科學(xué)　82
3．9　轉換數據的秘密　85
3．10　如何估計模型　88
3．11　創(chuàng )建理想的預測　89
3．12　注釋　90
第4章　Jordan神經(jīng)網(wǎng)絡(luò )　92
4．1　Jordan神經(jīng)網(wǎng)絡(luò )可以解決的3個(gè)問(wèn)題　93
4．1．1　風(fēng)速預測的終極指南　93
4．1．2　如何對蛋白質(zhì)的相互作用分類(lèi)　93
4．1．3　深度學(xué)習在西班牙語(yǔ)方面的應用　94
4．2　R語(yǔ)言Jordan神經(jīng)網(wǎng)絡(luò )模型的基本要素　94
4．3　尋找合適的包　95
4．4　轉換數據的方法　96
4．5　如何選擇訓練樣本　98
4．6　用這個(gè)技巧來(lái)預估你的模型　98
4．7　注釋　100
第5章　自編碼器的秘密　102
5．1　絕地控心術(shù)　103
5．2　秘密揭曉　104
5．3　可以直接檢驗的實(shí)用定義　106
5．4　如何拯救巴西熱帶草原賽拉多（Cerrado）　106
5．5　需要了解的基本要素　107
5．6　稀疏自編碼器的強大益處　108
5．7　理解Kullback-Leibler距離　108
5．8　對稀疏自編碼器的3個(gè)永恒的教訓　109
5．9　好萊塢、生物統計學(xué)和稀疏自編碼器的混合　109
5．10　如何利用R語(yǔ)言快速使用自編碼器　111
5．11　在你自己的數據科學(xué)項目使用R語(yǔ)言　116
5．12　注釋　123
第6章　堆疊自編碼器簡(jiǎn)介　125
6．1　深度學(xué)習大師的秘密武器　126
6．2　最佳睡眠時(shí)間　127
6．3　不超過(guò)5分鐘就可以構建一個(gè)堆疊自編碼器　130
6．4　什么是去噪自編碼器　131
6．5　隨機“調味劑”　132
6．6　去噪自編碼器的兩個(gè)核心任務(wù)　133
6．7　如何理解堆疊去噪自編碼器　133
6．8　一個(gè)驚人的實(shí)際應用　134
6．8．1　一個(gè)創(chuàng )新想法　136
6．8．2　Chen、Li、Yang是如何訓練他們的模型的　138
6．8．3　如何避免塞壬的歌聲　138
6．8．4　作者給讀者提出的一個(gè)挑戰　140
6．9　用R語(yǔ)言構建去噪自編碼器的捷徑　141
6．10　注釋　146

第7章　限制玻爾茲曼機　149
7．1　了解限制玻爾茲曼機的4個(gè)步驟　149
7．2　能量函數和概率分布的角色　150
7．3　用一種華麗的方式來(lái)思考　152
7．4　模型學(xué)習的目標　153
7．5　像魔法一樣的訓練技巧　153
7．5．1　技巧1：美麗的游戲　153
7．5．2　技巧2：開(kāi)啟限制玻爾茲曼機“王國”的鑰匙　155
7．5．3　技巧3：如探囊取物般簡(jiǎn)單地激活函數　155
7．5．4　技巧4：對比散度算法的替代方法　156
7．6　對深度學(xué)習的主要批評　157
7．7　改變世界的兩個(gè)想法　158
7．7．1　“用拳頭猛擊癌癥”　159
7．7．2　以華麗的方式助攻麻醉師　161
7．8　用R語(yǔ)言構建限制玻爾茲曼機的秘密　164
7．9　注釋　168
第8章　深度信念網(wǎng)絡(luò )　173
8．1　如何訓練一個(gè)深度信念網(wǎng)絡(luò )（DBM）　173
8．1．1　預訓練的關(guān)鍵要素　174
8．1．2　精調的關(guān)鍵　174
8．2　如何提供一個(gè)更好的呼叫等待經(jīng)驗　175
8．3　可以很容易模仿的世界一流的想法　176
8．4　用R語(yǔ)言構建深度信念網(wǎng)絡(luò )的步驟　179
8．5　注釋　182