推荐

新书推荐

深度学习

内容简介

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。

《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。

作者简介

作者简介
Ian Goodfellow,谷歌公司(Google) 的研究科学家,2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题,特别是生成模型以及机器学习的安全和隐私。Ian Goodfellow 在研究对抗样本方面是一位有影响力的早期研究者,他发明了生成式对抗网络,在深度学习领域贡献卓越。
Yoshua Bengio,蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授,蒙特利尔学习算法研究所(MILA) 的负责人,CIFAR 项目的共同负责人,加拿大统计学习算法研究主席。Yoshua Bengio 的主要研究目标是了解产生智力的学习原则。他还教授“机器学习”研究生课程(IFT6266),并培养了一大批研究生和博士后。
Aaron Courville,蒙特利尔大学计算机科学与运筹学系的助理教授,也是LISA 实验室的成员。目前他的研究兴趣集中在发展深度学习模型和方法,特别是开发概率模型和新颖的推断方法。Aaron Courville 主要专注于计算机视觉应用,在其他领域,如自然语言处理、音频信号处理、语音理解和其他AI 相关任务方面也有所研究。

中文版审校者简介
张志华,北京大学数学科学学院统计学教授,北京大学大数据研究中心和北京大数据研究院数据科学教授,主要从事机器学习和应用统计学的教学与研究工作。

译者简介
赵申剑,上海交通大学计算机系硕士研究生,研究方向为数值优化和自然语言处理。
黎彧君,上海交通大学计算机系博士研究生,研究方向为数值优化和强化学习。
符天凡,上海交通大学计算机系硕士研究生,研究方向为贝叶斯推断。
李凯,上海交通大学计算机系博士研究生,研究方向为博弈论和强化学习。

目录

中文版致谢
英文原书致谢
数学符号
第1章 引言
1.1 本书面向的读者
1.2 深度学习的历史趋势
第1部分 应用数学与机器学习基础
第2章 线性代数
2.1 标量、向量、矩阵和张量
2.2 矩阵和向量相乘
2.3 单位矩阵和逆矩阵
2.4 线性相关和生成子空间
2.5 范数
2.6 特殊类型的矩阵和向量
2.7 特征分解
2.8 奇异值分解
2.9 Moore-Penrose伪逆
2.10 迹运算
2.11 行列式
2.12 实例:主成分分析
第3章 概率与信息论
3.1 为什么要使用概率
3.2 随机变量
3.3 概率分布
3.4 边缘概率
3.5 条件概率
3.6 条件概率的链式法则
3.7 独立性和条件独立性
3.8 期望、方差和协方差
3.9 常用概率分布
3.10 常用函数的有用性质
3.11 贝叶斯规则
3.12 连续型变量的技术细节
3.13 信息论
3.14 结构化概率模型
第4章 数值计算
4.1 上溢和下溢
4.2 病态条件
4.3 基于梯度的优化方法
4.4 约束优化
4.5 实例:线性最小二乘
第5章 机器学习基础
5.1 学习算法
5.2 容量、过拟合和欠拟合
5.3 超参数和验证集
5.4 估计、偏差和方差
5.5 最大似然估计
5.6 贝叶斯统计
5.7 监督学习算法
5.8 无监督学习算法
5.9 随机梯度下降
5.10 构建机器学习算法
5.11 促使深度学习发展的挑战
第2部分 深度网络:现代实践
第6章 深度前馈网络
6.1 实例:学习XOR
6.2 基于梯度的学习
6.3 隐藏单元
6.4 架构设计
6.5 反向传播和其他的微分算法
6.6 历史小记
第7章 深度学习中的正则化
7.1 参数范数惩罚
7.2 作为约束的范数惩罚
7.3 正则化和欠约束问题
7.4 数据集增强
7.5 噪声鲁棒性
7.6 半监督学习
7.7 多任务学习
7.8 提前终止
7.9 参数绑定和参数共享
7.10 稀疏表示
7.11 Bagging和其他集成方法
7.12 Dropout
7.13 对抗训练
7.14 切面距离、正切传播和流形正切分类器
第8章 深度模型中的优化
8.1 学习和纯优化有什么不同
8.2 神经网络优化中的挑战
8.3 基本算法
8.4 参数初始化策略
8.5 自适应学习率算法
8.6 二阶近似方法
8.7 优化策略和元算法
第9章 卷积网络
9.1 卷积运算
9.2 动机
9.3 池化
9.4 卷积与池化作为一种无限强的先验
9.5 基本卷积函数的变体
9.6 结构化输出
9.7 数据类型
9.8 高效的卷积算法
9.9 随机或无监督的特征
9.10 卷积网络的神经科学基础
9.11 卷积网络与深度学习的历史
第10章 序列建模:循环和递归网络
10.1 展开计算图
10.2 循环神经网络
10.3 双向RNN
10.4 基于编码-解码的序列到序列架构
10.5 深度循环网络
10.6 递归神经网络
10.7 长期依赖的挑战
10.8 回声状态网络
10.9 渗漏单元和其他多时间尺度的策略
10.10 长短期记忆和其他门控RNN
10.11 优化长期依赖
10.12 外显记忆
第11章 实践方法论
11.1 性能度量
11.2 默认的基准模型
11.3 决定是否收集更多数据
11.4 选择超参数
11.5 调试策略
11.6 示例:多位数字识别
第12章 应用
12.1 大规模深度学习
12.2 计算机视觉
12.3 语音识别
12.4 自然语言处理
12.5 其他应用
第3部分 深度学习研究
第13章 线性因子模型
13.1 概率PCA和因子分析
13.2 独立成分分析
13.3 慢特征分析
13.4 稀疏编码
13.5 PCA的流形解释
第14章 自编码器
14.1 欠完备自编码器
14.2 正则自编码器
14.3 表示能力、层的大小和深度
14.4 随机编码器和解码器
14.5 去噪自编码器详解
14.6 使用自编码器学习流形
14.7 收缩自编码器
14.8 预测稀疏分解
14.9 自编码器的应用
第15章 表示学习
15.1 贪心逐层无监督预训练
15.2 迁移学习和领域自适应
15.3 半监督解释因果关系
15.4 分布式表示
15.5 得益于深度的指数增益
15.6 提供发现潜在原因的线索
第16章 深度学习中的结构化概率模型
16.1 非结构化建模的挑战
16.2 使用图描述模型结构
16.3 从图模型中采样
16.4 结构化建模的优势
16.5 学习依赖关系
16.6 推断和近似推断
16.7 结构化概率模型的深度学习方法
第17章 蒙特卡罗方法
17.1 采样和蒙特卡罗方法
17.2 重要采样
17.3 马尔可夫链蒙特卡罗方法
17.4 Gibbs采样
17.5 不同的峰值之间的混合挑战
第18章 直面配分函数
18.1 对数似然梯度
18.2 随机最大似然和对比散度
18.3 伪似然
18.4 得分匹配和比率匹配
18.5 去噪得分匹配
18.6 噪声对比估计
18.7 估计配分函数
第19章 近似推断
19.1 把推断视作优化问题
19.2 期望最大化
19.3 最大后验推断和稀疏编码
19.4 变分推断和变分学习
19.5 学成近似推断
第20章 深度生成模型
20.1 玻尔兹曼机
20.2 受限玻尔兹曼机
20.3 深度信念网络
20.4 深度玻尔兹曼机
20.5 实值数据上的玻尔兹曼机
20.6 卷积玻尔兹曼机
20.7 用于结构化或序列输出的玻尔兹曼机
20.8 其他玻尔兹曼机
20.9 通过随机操作的反向传播
20.10 有向生成网络
20.11 从自编码器采样
20.12 生成随机网络
20.13 其他生成方案
20.14 评估生成模型
20.15 结论
参考文献
索引

伯利恒

◎有美食,有风俗,有历史,有现实,一本了解伯利恒。

◎从古代讲到今天,最原汁原味、最有力的伯利恒指南。

◎从遗迹和故事切入,融合了历史与个人回忆、考古以及对人类和地理景观的精彩讲解。

伯利恒拥有11000年的历史,其核心是这个深受人们喜爱的小镇在世界上的独特地位。布林科对伯利恒的爱是如此炽热,就连其历史的复杂性也不回避。

——吉米•卡特(美国前总统)

这是一段进入真正的伯利恒的旅程,不仅精彩纷呈,而且博学。书中每一页都会引领读者来到历史、美食和个人轶事那新奇又迷人的切面,每一次都会以某种方式回到伯利恒,回到其一贯所在的世界事务中心。

——雅各布•诺里斯,英国萨塞克斯大学中东史专家

这段从古代讲到今天的伯利恒历史,将是你读过的关于这座重要城市的最原汁原味、最有力的指南。它成功地将一千多年的历史与个人回忆、考古和形态学见解以及对人类和地理景观的精彩描述融合在一起。以遗迹和故事为切入点,通过个人轶事和最新的学术研究成果,带着对人类苦难和希望的不断关注来揭开这座圣城历史的各个篇章。“

―—伊兰•帕佩,以色列学者

伯利恒,是一座位于约旦河西岸的古老城镇,被誉为“世界历史的支点”,那里承载着如此多的意义,有历史,有神话,有宗教。它生动地活在每个人的想象之中,每年有250多万游客前往。对有些人来说,伯利恒仍是《圣经》里描述的沙漠边缘的小镇;对有些人来说,它困在一堵墙内,周围是以色列定居点以及敌对的定居者和士兵。

英国作家尼古拉斯•布林科在伯利恒生活多年,他从自己生活在其间的内心体验出发,用十三个章节讲述了伯利恒的前世今生。他从公元前九世纪的洞穴和雕刻讲到当今复杂的政治,带领读者通过其石街和沙漠洼地、修道院、水渠和果园,从各个角度和时代展示了这座城市的面貌,也不可避免地揭示世界上最棘手的政治问题之一。

伯利恒是自豪感和财富的源泉,也是一个绝望、贫困和暴力已成为常态的地区。它是共存的灯塔,可以照亮通往更美好未来的道路;作者认为,如果那里有形的遗址幸存,而回溯到古代历史的脉络却断裂的话,结束以巴冲突的机会也将随之失去。

切尔诺贝利的午夜

【编辑推荐】

★著名读书网站Goodreads近30000人打出4.38高分,盛赞“《切尔诺贝利的午夜》是你能读到的最好的非虚构书籍之一”。

.

★普利策奖得主、《古拉格:一部历史》作者安妮·艾普尔鲍姆等欧美一流作家、学者倾情推荐;

HBO名剧《切尔诺贝利》主创Craig Mazin:开拍之前没能看过这部书,我感到十分遗憾。

.

栩栩如生地讲述了这场历史上最严重的灾难,同时也让我们看到了苏联最后的岁月中那些每天都在发生的令人迷惑不解的真实事件。

——安妮·艾普尔鲍姆(普利策奖得主)

.

本书对历史做出了宝贵的贡献,关于切尔诺贝利这样一个让世人瞩目的故事,它讲述得极为出色。

—— 沙希利·浦洛基

.

★切尔诺贝利,人类文明史上的永恒噩梦:权威记者十数年深度调查,数百小时采访录音,大量档案、书信、回忆录首次曝光,全景式展现了这场我们时代毁灭性核灾难的整个过程:

作者亚当·希金博特姆是《纽约客》的资深记者,驾驭故事与挖掘运用材料的能力皆为一流。全书精注详解 ,仅注释就一百余页,使用材料扎实严谨堪比学术著作,可读性之强又堪比惊悚小说。

.

★在一个狂妄自大和注定要失败的故事中,捕捉到科学与人性;这里没有无名英雄,每个人都有自己的脸孔:

书中有大量人物刻画,这是作者花费十几年时间走访灾难亲历者所得到的故事。这些人早已经被他们的国家和同胞所遗忘,其中,有苏联的各色高官,有“吹哨”人,有救援英雄,有医疗人员,有事故清理者,也有日后站在审判席上的人。

作者将焦点放在被卷入其中的人们以及他们面对突发灾难如何做出种种艰难抉择,它代表了苏联社会的一个横截面,暴露了人类个体的懦弱和勇敢,最终得到的,是一个比苏联传奇更复杂、更人性,也更恐怖的故事。

.

★比任何一部恐怖电影更令人痛心,比任何一本惊险小说更惊心动魄;

尽管提供了海量信息,但本书并不令人望而生畏,作者视野广阔,构思精巧,对细节的精确把握,使得故事推进的每一步都充满张力,如惊险小说般的叙事风格,使这本书可读性极强。

.

★包揽欧美多家一线媒体年度榜单:《柯克斯书评》年度最佳非虚构,《纽约时报》《时代周刊》年度图书,2020年安德鲁•卡内基奖;

.

【内容简介】

亚当·希金博特姆耗费多年心血,终于完成这部关于切尔诺贝利核电站事故的权威力作。书中充分有力的调查,揭示了这场二十世纪最大灾难之一的真相是如何在政治鼓吹、重重保密和谣言四散的共同作用下被掩盖起来的。

.

1986年4月26日凌晨,切尔诺贝利原子能电站的四号反应堆发生爆炸,由此引发了历史上最恶劣的一起核灾难。自那以后的三十年里,切尔诺贝利逐渐成为整个世界挥之不去的噩梦:阴魂不散的辐射中毒的恐怖威胁,一种危险技术脱缰失控的巨大风险,生态系统的脆弱,以及对其国民和整个世界造成的伤害。然而,这场事故的真相,却从一开始便被掩盖起来,长久以来一直众说纷纭。

.

十多年中,亚当·希金博特姆进行了数百小时的采访,以此为依托,辅之以往来书信、未发表的回忆录和新近解密的档案文件,他将那些灾难亲历者所目睹的一切,化成客观、冷静而又发人深省的叙述。由此得到的,是一本惊心动魄的非虚构杰作,一个比苏联传奇更复杂、更人性,也更恐怖的故事。