IBM沃森研究员Charu最新2018著作《神经网络与深度学习》，512页带你学习业界算法实战经验(附下载)

【导读】Charu C. Aggarwal是IBM沃森研究中心的杰出研究员，其最新深度学习著作《Neural Networks and Deep Learning》，共512页从一线工业界讲述了深度神经网络的基础、训练、泛化，以及CNN、RNN和强化学习，还包括注意力机制、GAN等最新主题，以及AlphaGo Zero等应用。这本书一份非常值得收藏的深度学习资料。

《深度学习与神经网络》书稿下载

 请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“DLNN” 就可以获取《深度学习与神经网络》的下载链接~ 

• 专知2019年1月将开设《深度学习：算法到实战》课程，欢迎关注报名！

       专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授！

Charu C. Aggarwal

Charu Aggarwal是位于纽约Yorktown Heights的IBM Watson研究中心的一名杰出的研究人员(DRSM)。1993年在印度理工学院坎普尔分校获得学士学位，1996年在麻省理工学院获得博士学位。他在数据挖掘领域有着广泛的工作经验，尤其对数据流、隐私、不确定数据和社交网络分析有着浓厚的兴趣。发表著作14部(3篇，编辑11篇)，发表论文250余篇，申请或获得专利80余项。他的h指数是80。由于上述专利的商业价值，他多次获得发明成果奖，并三次被IBM授予为大师发明者。

http://www.charuaggarwal.net/

神经网络与深度学习

本书涵盖了深度学习的古典模型和现代模型。这本书的章节涵盖了三个方面: 

• 神经网络基本知识: 许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章重点介绍了传统机器学习与神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统被证明是神经网络的特殊情况。这些方法与最新的特征工程方法如word2vec一起被研究。

• 神经网络的基础: 训练和正则化的详细讨论在第3章和第4章提供。第5章和第6章介绍了径向基函数(RBF)网络和受限的玻尔兹曼机。

• 神经网络的高级主题: 第7章和第8章讨论循环神经网络和卷积神经网络。第9章和第10章介绍了几个高级主题，如深度强化学习、神经图灵机、Kohonen自组织映射和生成对抗网络。

这本书是为研究生、研究人员和实践者写的。大量的练习与解决手册一起可用来帮助课堂教学。在可能的情况下，突出显示以应用程序为中心的视图，以便理解每种技术的实际用途。

-END-

专 · 知

   专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授！

请加专知小助手微信（扫一扫如下二维码添加），咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程