《神经网络与深度学习应用实战》是一本很好的书籍，它通过结合实际应用介绍了神经网络和深度学习等技术的相关信息，书中重点介绍了前馈型神经网络、反馈型神经网络和自组织竞争型神经网络的结构，同时还着重讲解了深度学习中重要的网络进，这本书清晰地解释了神经网络和深度学习的基本原理，并给出了实战案例，让读者能够更好地理解和运用这些技术，本书具有源代码实践的特点，可以帮助读者更好地理解和实践神经网络和深度学习，这本书是一本优秀的实战指南，对于深入学习神经网络和深度学习的读者来说，是一本不可或缺的参考资料。
神经网络与深度学习应用实战
读者评价
还不错，介绍的还算是很全面的。紧跟时代的发展。不过本身神经网络这个东西解释性非常差。所以一般也不能指望这些书讲得太好。
希望改进的地方 CNN添加VGG,GoogleNet,resNet， RNN添加注意力机制，应用多加详细的例子
感觉就是给学过的人一个复习提纲。很多知识只是把公式摆出来，对原理和算法过程泛泛而谈，看完之后对怎么写程序还是懵的
内容介绍
本书结合实际应用介绍神经网络和深度学习等技术领域相关信息，从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。本书不仅能让读者对当前神经网络和深度学习技术有体系的认知，更能让读者在人工智能领域进行一些深入思考。
目录
- 基础篇
- 第1章时代崛起2
- 第2章数学理论基础17
- 第3章机器学习概要42
- 第4章神经网络基础64
- 进阶篇
- 第5章前馈型神经网络88
- 第6章反馈型神经网络107
- 第7章自组织竞争型神经网络125
- 高阶篇
- 第8章卷积神经网络142
- 第9章循环神经网络163
- 第10章深度信念网络188
- 第11章生成对抗网络197
- 第12章深度强化学习221
神经网络神奇的地方在于它的每一个组件非常简单——把空间切一刀+某种激活函数(0-1阶跃、sigmoid、max-pooling)，但是可以一层一层级联。输入向量连到许多神经元上，这些神经元的输出又连到一堆神经元上，这一过程可以重复很多次。这和人脑中的神经元很相似：每一个神经元都有一些神经元作为其输入，又是另一些神经元的输入，数值向量就像是电信号，在不同神经元之间传导，每一个神经元只有满足了某种条件才会发射信号到下一层神经元。当然，人脑比神经网络模型复杂很多：人工神经网络一般不存在环状结构；人脑神经元的电信号不仅有强弱，还有时间缓急之分，就像莫尔斯电码，在人工神经网络里没有这种复杂的信号模式
神经网络最重要的用途是分类，为了让大家对分类有个直观的认识，咱们先看几个例子： 垃圾邮件识别：现在有一封电子邮件，把出现在里面的所有词汇提取出来，送进一个机器里，机器需要判断这封邮件是否是垃圾邮件。 疾病判断：病人到医院去做了一大堆肝功、尿检测验，把测验结果送进一个机器里，机器需要判断这个病人是否得病，得的什么病。 猫狗分类：有一大堆猫、狗照片，把每一张照片送进一个机器里，机器需要判断这幅照片里的东西是猫还是狗。