神经网络是机器学习和深度学习的基础

初次听说其名号的人都会充满着各种幻想

深入了解后你会发现

它还是对治深度学习恐惧症的一剂良药

NO.1

《解析深度学习：卷积神经网络原理与视觉实践》

魏秀参 著

周志华教授作序力荐，展现深度学习特别是CNN从数据、模型到系统的全栈式开发过程和技巧，一流的深度学习入门实践书！

本书作为卷积神经网络的入门书籍，兼顾基础知识和学习难点，让初学者不仅可以看明白、而且能够读懂，知其所以然并举一反三运用到自己的工程实践中。在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。通过“基础知识”和“实践技巧”两方面使读者从更高维度了解、掌握并成功构建针对自身应用问题的深度卷积神经网络。

NO.2

《图解深度学习与神经网络：从张量到TensorFlow实现》

张平 编著

本书是以TensorFlow 为工具介绍神经网络和深度学习的入门书，内容循序渐进，以简单示例和图例的形式，展示神经网络和深度学习背后的数学基础原理，帮助读者更好地理解复杂抽象的公式。同时，采用手动计算和程序代码这两种方式讲解示例，可以更好地帮助读者理解TensorFlow 的常用函数接口，为读者掌握利用TensorFlow 搭建人工智能项目打下良好的基础。

NO.3

《神经网络与深度学习应用实战》

刘凡平 等 编著

本书紧密结合一线工程师的研究成果，是对当前神经网络和深度学习的完整性原理介绍和实践分析。

本书从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。

NO.4

《Python与神经网络实战》

何宇健 编著

本书较为全面地介绍神经网络的诸多基础与进阶的技术，以及如何利用神经网络来解决真实世界中的现实任务。

各章节的内容不仅包括了经典的传统机器学习算法与神经网络的方方面面，也对它们进行了对比与创新。如果能够掌握好本书所叙述的知识的话，相信即使具体的技术迭代得再快，读者也能根据本书所打好的基础来快速理解、上手与改进它们。

NO.5

《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》

何宇健 编著

虽说神经网络算法的推导看上去繁复而“令人生畏”，但其实所用到的知识并不深奥。本书算法与代码兼顾，通过简单的Python，来完成复杂的机器学习算法。

本书由浅入深，理论与实践并存，同时将理论也进行了合理的分级；无论读者在此前对机器学习有何种程度的认知，想必都能通过不同的阅读方式有所收获。