机器学习与深度学习：通过C语言模拟

　　本书以非常容易理解的方式解说了人工智能研究中机器学习的各领域知识，以这些知识为前提，说明了深度学习是什么，以及相关学习方法。本书不是单纯地罗列概念，而是通过适当介绍具体处理流程和程序示例，来具体化地、易于理解地介绍这些技术到底是什么。

　　小高知宏，日本福井大学工学研究科教授。其主要著作有日本欧姆社出版的《从基础开始学会TCP／IP Java网络程序设计第2版》《初学Al程序设计——用C语言制作人工智能和人工无能》《初学机器学习》《基于AI的大规模数据处理入门》等。

前言 

第1章　机器学习1 

1.1　什么是机器学习1 

1.1.1　深度学习的成果1 

1.1.2　学习、机器学习和深度学习6 

1.1.3　机器学习的分类9 

1.1.4　直至深度学习的机器学习历史15 

1.2　关于本书例题程序的执行环境25 

1.2.1　程序执行的流程25 

1.2.2　程序执行的实际情况27 

第2章　机器学习基础31 

2.1　归纳学习31 

2.1.1　演绎学习和归纳学习31 

2.1.2　归纳学习的例题—股票价格的预测32 

2.1.3　基于归纳学习的股价预测程序37 

2.2　强化学习46 

2.2.1　什么是强化学习46 

2.2.2　Q学习—强化学习的具体方法48 

2.2.3　强化学习的例题—走迷宫知识的学习53 

2.2.4　强化学习程序的实现56 

第3章　群体智能与演化方法65 

3.1　群体智能65 

3.1.1　粒子群最优化方法65 

3.1.2　蚁群最优化方法67 

3.1.3　蚁群最优化方法的实现70 

3.2　演化方法81 

3.2.1　什么是演化方法81 

3.2.2　基于遗传算法的知识获取84 

第4章　神经网络101 

4.1　神经网络基础101 

4.1.1　人工神经元模型101 

4.1.2　神经网络与学习105 

4.1.3　神经网络的种类107 

4.1.4　人工神经元的计算方法108 

4.1.5　神经网络的计算方法115 

4.2　基于反向传播的神经网络的学习121 

4.2.1　感知机的学习过程121 

4.2.2　反向传播的处理过程123 

4.2.3　反向传播的实现125 

第5章　深度学习139 

5.1　什么是深度学习139 

5.1.1　传统神经网络的局限和深度学习的思路139 

5.1.2　卷积神经网络142 

5.1.3　自编码器的学习方法145 

5.2　深度学习的实现147 

5.2.1　卷积运算的实现148 

5.2.2　卷积神经网络的实现156 

5.2.3　自编码器的实现170 

附录A　生成行李的重量和价值的程序183 

附录B　通过全搜索求解背包问题的程序185 

参考文献189