涌井良幸，1950年生于东京，毕业于东京教育大学（现筑波大学）数学系，现为自由职业者。著有《用Excel学深度学习》（合著）、《统计学有什么用？》等。

前言 

关于本书 

关于下载Excel示例文件 

第1章  初步了解深度学习
 

01.卷积神经网络结构概要
 

02.Al与深度学习 

第2章  Excel的要习与应用
 

01.七个Excel函数
 

02.Excel引用形式
 

03.Excel规划求解的使用方法
 

04.回归分析与最优化问题 

第3章  神经元模型
 

01.神经细胞的功能
 

02.神经细胞功能的公式形式
 

03.人工神经元与个性化函数
 

04.从阶跃函数到Sigmoid函数 

第4章  神经网络结构
 

01.如何读取神经网络结构
 

02.神经网络如何识别手写文字
 

03.使用训练数据计算神经网络的输出值
 

04.正确答案与输出值之间的误差
 

05.神经网络的目标函数
 

06.优化神经网络
 

07.解释最优化参数
 

08.测试神经网络
 

09.神经网络在现实手写文字中的应用 

第5章  卷积神经网络结构
 

01.如何读取卷积神经网络结构
 

02.卷积神经网络如何识别手写文字
 

03.卷积神经网络的输入层
 

04.为卷积神经网络设置特异卷积层
 

05.卷积神经网络的池化层
 

06.卷积神经网络的输出层
 

07.正确答案与输出值之间的误差
 

08.卷积神经网络的目标函数
 

09.卷积神经网络的最优化
 

10.解释最优化参数
 

11.测试卷积神经网络
 

12.负值参数
 

13.更改隐藏层激活函数 

附录
 

A  训练数据(1)
 

B  训练数据(2)
 

C  规划求解的安装说明
 

D  用公式表示结构的相似度 

索引

学习人工智能第一步，从了解深度学习开始！利用身边最常见的工具即可入门深度学习通过Excel电子表格来掌握卷积神经网络的结构，简单易于掌握。本书将带你了解类似于“深度学习是怎么样识别图形的”这种根本问题，讲基础构可视化，帮助你为进一步学习人工智能开发知识打牢基础。请跟随作者的思路，开始一段不一样的深度学习旅程吧！

本书通过Excel读者介绍构成深度学习的基础卷积神经网络的结构。示例文件可在Excel2013、2016中运行。
   

为了更好地解释卷积神经网络的结构，本书使用了很多图表与示例。书中难免出现不严谨之处，敬请读者见谅。
   

深度学习的领域非常广泛，而本书仅介绍如何利用阶层型神经网络与卷积神经网络(CNN)识别图像。
   

本书作为“有教师学习”用书，与“无教师学习”和“强化学习”的入门教材相比，具有更高的专业性。
   

激活函数以Sigrnoid函数为主。
  

AI著作之所以难以理解，原因之一就是各类著作中使用的变量符号不统一。在参考市面上各种著作的基础上，本书力争使用具有最大兼容性的变量符号进行说明。
   

理解本书需要具有一定的Excel基础。第2章重点介绍Excel的相关内容，有需要的读者可以参考。