第 1 章　神經(jīng)網(wǎng)絡的思想 1　- 1 神經(jīng)網(wǎng)絡和深度學習　2 1　- 2 神經(jīng)元工作的數(shù)學表示　6 1　- 3 激活函數(shù)：將神經(jīng)元的工作一般化　12 1　- 4 什么是神經(jīng)網(wǎng)絡　18 1　- 5 用惡魔來講解神經(jīng)網(wǎng)絡的結(jié)構(gòu)　23 1　- 6 將惡魔的工作翻譯為神經(jīng)網(wǎng)絡的語言　31 1　- 7 網(wǎng)絡自學習的神經(jīng)網(wǎng)絡　36 第　2 章 神經(jīng)網(wǎng)絡的數(shù)學基礎 2　- 1 神經(jīng)網(wǎng)絡所需的函數(shù)　40 2　- 2 有助于理解神經(jīng)網(wǎng)絡的數(shù)列和遞推關系式　46 2　- 3 神經(jīng)網(wǎng)絡中經(jīng)常用到的Σ符號　51 2　- 4 有助于理解神經(jīng)網(wǎng)絡的向量基礎　53 2　- 5 有助于理解神經(jīng)網(wǎng)絡的矩陣基礎　61 2　- 6 神經(jīng)網(wǎng)絡的導數(shù)基礎　65 2　- 7 神經(jīng)網(wǎng)絡的偏導數(shù)基礎　72 2　- 8 誤差反向傳播法必需的鏈式法則　76 2　- 9 梯度下降法的基礎：多變量函數(shù)的近似公式　80 2　- 10 梯度下降法的含義與公式　83 2　- 11 用Excel 體驗梯度下降法　91 2　- 12 最優(yōu)化問題和回歸分析　94 第3　章 神經(jīng)網(wǎng)絡的最優(yōu)化 3　- 1 神經(jīng)網(wǎng)絡的參數(shù)和變量　102 3　- 2 神經(jīng)網(wǎng)絡的變量的關系式　111 3　- 3 學習數(shù)據(jù)和正解　114 3　- 4 神經(jīng)網(wǎng)絡的代價函數(shù)　119 3　- 5 用Excel體驗神經(jīng)網(wǎng)絡　127 第4　章 神經(jīng)網(wǎng)絡和誤差反向傳播法 4　- 1 梯度下降法的回顧　134 4　- 2 神經(jīng)單元誤差　141 4　- 3 神經(jīng)網(wǎng)絡和誤差反向傳播法　146 4　- 4 用Excel體驗神經(jīng)網(wǎng)絡的誤差反向傳播法　153 第5　章 深度學習和卷積神經(jīng)網(wǎng)絡 5　- 1 小惡魔來講解卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)　168 5　- 2 將小惡魔的工作翻譯為卷積神經(jīng)網(wǎng)絡的語言　174 5　- 3 卷積神經(jīng)網(wǎng)絡的變量關系式　180 5　- 4 用Excel體驗卷積神經(jīng)網(wǎng)絡　193 5　- 5 卷積神經(jīng)網(wǎng)絡和誤差反向傳播法　200 5　- 6 用Excel體驗卷積神經(jīng)網(wǎng)絡的誤差反向傳播法　212 附錄 A　訓練數(shù)據(jù)（1）　222 B　訓練數(shù)據(jù)（2）　223 C　用數(shù)學式表示模式的相似度　225