前言

前言

随着深度学习的知名度的提高,针对它的研究和它在商业上的应用也越来越多。大家有没有觉得“人工智能”这个词几乎每天都会出现在报纸和电视上呢?实际上,与 2012 年刚成为话题时相比,“深度学习”已不再那么遥远和深奥。如今,轻松实现神经网络(深度学习模型)的库被接二连三地开发出来并且开源,个人也能够尝试简单地实现深度学习了。

但是,对于深度学习,我们依然会听到下面这样的声音。

  • 虽然感兴趣,但是公式和理论看上去很难,让人敬而远之
  • 库太多,不知道从何开始
  • 虽然稍微接触过一些库,但是并不了解其内部发生了什么

因此,为了让不具备相关基础知识的读者也能学习下去,本书将从零开始,详细地讲解深度学习、神经网络的理论和实现。本书使用的编程语言是 Python(3.x 版本)——Python 可以说是在深度学习实现上最热门的语言了,使用的深度学习库则是 TensorFlow(1.0 版本)和 Keras(2.0 版本),二者都是目前十分受欢迎的库。

另外,本书还有一个特点,那就是重点介绍了处理时间序列数据的深度学习算法。深度学习非常适用于图像识别,它成名的一个契机就是图像识别竞赛 ILSVRC,很多著名的研究或应用的成果也都出现在图像识别领域。不过,深度学习的研究在图像识别以外的领域也很活跃,特别是在以自然语言处理为代表的时间序列数据分析上也取得了很大的进展。针对处理时间序列数据的模型,本书也进行了详细的讲解,从基础知识到实际应用,从理论到实现。相信本书会对以下读者有所帮助。

  • 稍微知道一点深度学习的知识,想要进一步加深理解的读者
  • 除了图像识别,还想学习时间序列数据分析模型的读者

本书结构

本书共有 6 章。第 1 章简单地复习一下学习神经网络理论时所需的数学知识。第 2 章介绍实现深度学习时要用到的 Python 开发环境的安装,以及 Python 库的简单用法。

第 3 章开始,我们就要进入神经网络的学习了。第 3 章介绍神经网络的基本形式。第 4 章介绍深度神经网络,也就是深度学习。在这一章中,我们将结合具体实现来理解深

度神经网络与普通的神经网络有何不同、用到了什么技术等。第 5 章第 6 章详细地介绍用于处理时间序列数据的模型——循环神经网络。其中第 5 章会以简单的数据为例,介绍循环神经网络基本形式的理论和实现,而第 6 章将介绍一些循环神经网络的应用事例。

目录