深度学习入门

深度学习是机器学习研究中的一个活跃领域，《深度学习入门》的宗旨在于为深度  机器学习的初学者提供一本通俗易懂、内容全面、理论深入的学习教材。  本书的内容大体可以分为机器学习基础、顺序传播神经网络的深度学  习、玻尔兹曼机和深度强化学习四个部分，既考虑了通俗性和完整性，又  介绍了深度学习的各个方面。其中机器学习基础部分介绍了神经网络、机  器学习与深度学习的数学基础、典型任务、数据集等;顺序传播神经网络  的深度学习部分介绍了梯度下降法的机器学习、深度学习的正则化、误差  反向传播法、自编码器、卷积神经网络以及循环神经网络等;玻尔兹曼机  部分对图模型神经网络的机器学习进行了深入的介绍;深度强化学习部分  则重点介绍了强化学习中的深度神经网络学习的理论和方法。  通过本书的学习，读者可以快速了解机器学习的全貌，同时在理论上  对其模型和方法进行深入分析和理解，从而为实际的开发打下深厚的理论  基础，为技术创新提供具有启发性的方向和路径。