该篇文章主要分享的是2019年整理的《常见的五种神经网络》系列文章，当时也是看书记笔记，坚持了很久才更新完，不过阅读量就xxx，可能大家对这种硬核性文章不感兴趣吧，不过没关系，今天把该系列的文章整理成PDF分享给大家，关注「搜索与推荐Wiki」公众号，回复 0301 即可获得。
该系列文章的阅读链接为：
- 常见的五种神经网络(1)-前馈神经网络
- 常见的五种神经网络(2)-卷积神经网络
- 常见的五种神经网络(3)-循环神经网络(上)篇
- 常见的五种神经网络(3)-循环神经网络(中)篇
- 常见的五种神经网络(3)-循环神经网络(下)篇
- 常见的五种神经网络(4)-深度信念网络(上)篇
- 常见的五种神经网络(4)-深度信念网络(下)篇
- 常见的五种神经网络(5)-生成对抗网络(上)篇
- 常见的五种神经网络(5)-生成对抗网络(下)篇
整理的目录如下：
- 1、前馈神经网络
- 介绍
- 参数学习
- 反向传播算法
- 自动梯度计算
- 数值微分
- 符号微分
- 自动微分
- 2、卷积神经网络
- 卷积的概念
- 一维卷积
- 二维卷积
- 互相关
- 常见的卷积核及特征
- 常见的卷积核
- 卷积核的特征
- 卷积的变种
- 卷积的数学性质
- 交换性
- 导数
- 卷积神经网络
- 用卷积代替全连接
- 卷积层
- 汇聚层
- 全连接层
- 典型的卷积网络结构
- 参数学习
- 误差项的计算
- 卷积层
- 汇聚层
- 几种典型的卷积神经网络
- LeNet-5
- AlexNet
- Inception
- 残差网络
- 其他卷积方式
- 转置卷积
- 空洞卷积
- 参考笔记
- 卷积的概念
- 3、循环神经网络
- 上篇
- 概述
- 如何给网络增加记忆能力
- 延时神经网络
- 有外部输入的非线性自回归模型
- 循环神经网络
- 一般的循环神经网络
- 单向循环神经网络
- 双向循环神经网络
- 深度循环神经网络
- 循环神经网络应用到机器学习任务
- 序列到类别模式
- 同步的序列到序列模式
- 异步的序列到序列模式
- 中篇
- 参数学习
- 随时间反向传播算法
- 实时循环学习
- 长期依赖
- 常见的循环神经网络结构
- N比N结构
- 1比N结构
- N比1结构
- N比M结构
- 参数学习
- 下篇
- LSTM
- 新的内部状态
- 门机制
- GRU
- RecNN
- GN
- LSTM
- 上篇
- 4、深度信念网络
- 上篇
- 背景
- 玻尔兹曼机
- 介绍
- 生成模型
- 受限玻尔兹曼机
- 介绍
- 生成模型
- 下篇
- 深度信念网络介绍
- 生成模型
- 参数学习
- 总结
- 上篇
5、生成对抗网络
- 上篇
- 生成模型的基本功能
- 密度估计
- 生成样本
- 变分自动编码器
- 从分布变换看VAE
- VAE的通常理解
- VAE应该是什么样的
- 分布标准化
- VAE的本质
- VAE中的变分
- 生成模型的基本功能
- 下篇
- KL散度、JS散度、Wassertein距离
- KL散度
- JS散度
- Wassertrin距离
- 显式和隐式密度模型
- 网络分解与训练
- 判别网络
- 生成网络
- 网络训练
- DCGAN
- DCGAN介绍
- 模型分析
- 模型坍塌
- 前向和逆向KL散度
- W-GAN
- 总结
- KL散度、JS散度、Wassertein距离
好了，这就是《常见的五种神经网络》电子书目录了，关注「搜索与推荐Wiki」公众号，回复 0301 获取。
- 上篇
扫一扫 关注微信公众号！号主 专注于搜索和推荐系统，尝试使用算法去更好的服务于用户，包括但不局限于机器学习，深度学习，强化学习，自然语言理解，知识图谱，还不定时分享技术，资料，思考等文章！
