版权注意$！员： 1、书籍版仪归若蓄和出版丰土fifi萄； 2、 :<f;;PDF仅用于个人获l!ll知识，造行也底下知识交流； 三 PDF获得富不得在亘联网以任何目的选行传播； 拥有需要 ， i青尽量购买芷版实体书！支持书籍作富！！ E町 军E .. [ PA~KT ] 智能系统与技术丛书 Java Deep Learning Essentials 深｝豆字习 Java语言实现 ［曰］巢笼悠辅（ Yusuke Sugomo 「｜）著 陈澎 王磊陆明译 …--- .. i:~:i re eJ ’国’ 回 ’·、 ·,.. E二l 回 口圃’Rι ~－ ‘’= 也 旦＝？一 川〉川 ‘’ τ＝＝二 , ,, r;:飞 机械工业出版社 气工f China Machine P 『ess ,, 闺阁 内容简介 本书是一本面向初学者的深度学习和机器 学习实战宝典 。 作者融合自己丰富的工程实践经 验，详细阐述机器学习和深度学习的核心概念、 算法和实现，并深入探讨如何将深度学习算法应 用到研究和产业中去，一步步地剖析算法背后的 数学原理，提供大量简洁的代码实现，助你从零 墓础开始编程实现深度学习算法 。 全书共 8 章，第 1 章介绍深度学习的由来及 发展；第2 章介绍与深度学习相关的机器学习算 法及实现；第3 章介绍深度学习经典算洁的原理 与实现，包括深度信念网络（ DBN ）和检式去 。果自编码器（ SDA ）；第4章集中介绍 Dropout 和 C N N 的相关算法及实现；第 5 章介绍如何使 用 ND4J 和 DL4J 库来实现深度学习模型；第 6 章通过实际应用场景，深入讨论如何应用深度 学习算法；第 7 章介绍真他深度学习框架，包括 Teano 、 Ten so 「 Flow 和 Caffe 等；第 8 重重点 讨论人工智能和深度学习的未来和发展 。 原书封面 噩跚 跚 智能系统与技术丛书 Java Deep Learning Essentials 深度学习 Java语言实现 ［日］巢笼悠辅（ Yusuke Sugomo 「i ）著 陈澎王磊陆明译 ~艺黑 ~~h且节£ 图书在版编目（ CIP ）数据 深度学习： Java 语言实现／（曰）巢笼悠辅著；陈澎，王磊，陆明译 ． 一北京：机械工业出 版社， 2017.6 （智能系统与技术丛书） 书名原文 ： Java Deep Learning Essentials ISBN 978-7-111-57298-5 I. 深… II. ①巢… ②陈… ③王… ④陆… III. JAVA 语言一程序设计 IV. TP312 .8 中国版本图书馆 CIP 数据核字（ 2017 ）第 154253 号 本书版权登记号：图字： 01-2016-8646 Yusuke Sugomori: Java Deep Learning Essentials (ISBN: 978-1-78528-219-5). Copyright © 2016 Packt Publishing. First published in the English language under th e title “ Java Deep Learning Essentials ” All rights reserved. Chinese simplified language edition published by China Machine Press. Copyright© 2017 by China Mach ine Press. 本书中文简体字版自 Packt Publishing 授权机械工业出版社独家出版。未经出版者书面许可，不得以任何方式复 制或抄袭本书内容。 深度学习： Java 语言实现 出版发行：机械工业出版社（北京市西城区百万庄大街 22 号邮政编码， 100037) 责任校对：殷虹 责任编辑：张锡鹏 印 刷：三河市宏图印务有限公司 开 211:: 186mm × 240mm 版 次： 2017 年 7 月第 l 版第 1 次印刷 印张： 12.25 1/16 书号： ISBN 978-7-111-57298-5 定价： 49.00 元 凡购本书，如有缺页、倒页、脱页，由本社发行部调换 客服热线：（ 购书热线：（ 010) 88379426 88361066 010) 68326294 88379649 投稿热线：（ 68995259 版权所有·侵权必究 封底无防伪标均为盗版 本书法律顾问．北京大成律师事务所韩光／邹陇东 010) 88379604 读者信箱： hzit@hzbook.com 「 OREWORD 译者序 本书是一本实战型的深度学习和机器学习宝典，十分适合 Java 的深度学习人门者。 本书涵盖了深度学习的主要成熟算法，一步步地剖析算法背后的数学原理，并提供大 量通俗易懂的代码加以说明 。 同时，为了能更好地指导实践，作者生动地阐述了很多 宝贵的工程经验和技术直觉 。 最后，本书介绍了该领域最新的研究和应用成果，还包 括一些实用的网络资源及研究方法 。 总之，本书值得深度学习爱好者细细品味 。 最令人吃惊的是，本书作者 Yusuke Sugomori 竟然是 一 位十分年轻的“老司机”， 拥有丰富的工程经验 。 从本书内容中，我们能隐约领悟到作者探索深度学习的捷径， 就是“敢于实践，善于实践，快速实践！” 。 因此，我们也建议读者从最基本的部分就 边学边做，不断深入理解深度学习的内涵 。 本书的译者分工如下，陆明负责第 1 、 2, 6 章 ，王磊负责第 3' 4 、 5 章，陈澎负责 前言、 附录及第 7 ' 8 章，并负责全书的审校工作 。 感谢机械工业出版社的编辑给予的 帮助！ 特别感谢我即将出生的孩子，一直支持我的妻子和父母，感谢合作译者陆明和王 磊的家人！ “轻鞭一挥芳径去，漫闻花儿断续长”，我们有理由对人工智能的未来怀有更无限 的憧憬！ 陈澎 2017 年 3 月于北京 PREF t\CE 前 目前，人工智能技术举世瞩目，深度学习也引起人们广泛关注 。 在实践上，深度 学习推动了人工智能革命性进步，其相关算法已经应用到众多领域 。 然而，这种“革 命性”的技术，常被认为非常复杂，让人敬而远之 。 而实际上，深度学习的理论和概 念并不晦涩难懂 。 本书将一 步步地介绍相关理论和公式，并引导读者从零开始完成编 码实现 。 本书内容 第 1 章：介绍深度学习的演化过程 。 第 2 章：介绍与深度学习相关的机器学习算法 。 第 3 章：介绍深度信念网络与技式去噪自编码器 。 第 4 章：集中介绍 dropout 和 CNN 的相关算法 。 第 5 章：重点介绍深度学习库 DIAJ 及实践经验 。 第 6 章：面向实战，实践深度学习算法和相关 Java 库的工程开发 。 第 7 章：广泛介绍 Teano 、 TensorFlow 和 Caffe 等深度学习框架 。 第 8 章：介绍深度学习的最新动态及相关资源 。 本书的使用要求 Java 8 或以上（支持 lambda 表达式） , DeepLearning4J 0. 4 或以上版本的 Java 库 。 目标读者 本书是为那些想了解深度学习算法并期望应用到实践中的 Java 程序员而设计的 。 v 内容涵盖机器学习和深度学习的核心概念和方法，但并不要求读者具有机器学习经验； 同时，本书用极简的代码实现深度学习算法，这对一 般 Java 程序员在语言技能和深度 学习实现上有很大帮助 。 下载示例代码 读者可使用在 http : I I www. pad叩uh. com 注册的账户下载本书的示例代码 。 如果你 不是在官网购买的此书，可以访问 http :I lwww.packtpub. com/support 注册，代码文件 会直接通过电子邮件发送给你 。 你可根据以下步骤下载代码文件 ： ( 1 ）使用你的电子邮箱和密码登录或注册我们的网站 。 (2 ）将鼠标悬停在上方的 SUPPORT （支持）标签处 。 (3 ）点击 Code Downloads & Errata 。 (4 ）在 Search （搜索）栏输入书籍名称 。 (5 ）选择你要下载代码文件的书籍 。 (6 ）从下拉菜单中选择你自何处购买此书 。 (7 ）点击 Code Dowr山ad 。 也可以通过点击 Packt 官网该书页面上的 Code Files 按钮来下载代码文件 。 在 Search 栏输入书籍名称就可以访问书籍页面 。 但这需要先登录你的 Packt 账户 。 下载文件后，请用以下软件的最新版本解压文件： • WinRAR/7 -Zip （对于 Windows ） 。 • Zipeg/iZip/ UnRarX （对于 Mac ） 。 • 7 -Zip/PeaZip （对于 Linux ） 。 本书的代码包也可从位于 https: I I github. com/PacktPublishing/Java-Deep-LeamingEssentials 的 GitHub 下载 。 https : I I github. com/PacktPublishing/有海量的其他书籍的代码 包和视频，去看看吧！ CONTENTS 录 目 序 者言 译前 2.3. 5 增强学习 ……………… 30 ……......... 30 2. 4 机器学习应用流程 2.5 神经网络的理论和算法………… 35 第 1 章深度学习概述…….......….. 1 2. 5. 1 羊层感知器 2 2. 5. 2 :i!.非军回归 1. 1. 1 人工智能的定义........… ·2 2. 5. 3 多类逻辑回归 1. 1. 2 人工智能曾经的辉煌…… 3 2. 5.4 多层感知器 1. 1. 3 机器学习的演化........…. 1. 1. 4 机器学习的局限性......… 10 1. 1 人工智能的变迁….................. 8 2. 6 ……......... 36 ……………… 42 ………… 45 …………… 50 小结········……................... 第3 章 57 深度信念网络与枝式去 噪自编码器……........…. 1. 2 人与机器的区分因素............... 12 1. 3 人工智能与深度学习.............