本书主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的应用。

http://neuralnetworksanddeeplearning.com/

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

内容提要
视觉研究是脑科学或神经科学发展中一个比较系统、成熟的分支，特别是对视觉
大脑皮层的研究方面。本书以较短的篇幅介绍了视觉信息处理脑机制方面的基本理论
和近30年来所取得的进展。全书共分七章，分别介绍了视觉系统基本功能和形态学、
视网膜信息处理机制、外膝体在对视觉信息流的调控和形成平行处理过程中的作用、
视皮层细胞的感受野性质及其功能构筑、既平行又分级串行的视觉信息处理机制，以
及当前视觉信息处理研究的一些重要方面。本书力图通过对视觉信息处理的脑机制的
介绍，使读者能够对蓬勃发展的脑科学或神经科学有一个相当深度的了解。
本书可作为从事神经生物学、生理学、医学、心理学以及相关学科的研究人员，高
等院校的教师，理、工、医科研究生和高年级本科生的专业参考书，对于眼科、神经内科
和外科医生也有重要参考价值。

What makes people smarter than computers? These volumes by a pioneering neurocomputing group suggest that the answer lies in the massively parallel architecture of the human mind. They describe a new theory of cognition called connectionism that is challenging the idea of symbolic computation that has traditionally been at the center of debate in theoretical discussions about the mind. The authors' theory assumes the mind is composed of a great number of elementary units connected in a neural network. Mental processes are interactions between these units which excite and inhibit each other in parallel rather than sequential operations. In this context, knowledge can no longer be thought of as stored in localized structures; instead, it consists of the connections between pairs of units that are distributed throughout the network. Volume 1 lays the foundations of this exciting theory of parallel distributed processing, while Volume 2 applies it to a number of specific issues in cognitive science and neuroscience, with chapters describing models of aspects of perception, memory, language, and thought.

神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习
技术。
本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书
分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使
用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读
者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善
神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识
和树莓派知识。
本书适合想要从事神经网络研究和探索的读者学习参考，也适合对人工智
能、机器学习和深度学习等相关领域感兴趣的读者阅读。

本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。

本專著通過一個自行開發的多個體計算仿真模型來探索語言衍生中的一個關鍵問題，即語法能力是如何產生的。它是由天生的、人類所特有的能力決定的，還是從一些人與動物普遍具有的簡單能力中逐步適應發展而來的？該模型模擬了兩種語言普適特性（體現於詞彙上的合成性和體現於詞序上的規則性）的衍生過程，指出從整體語言向合成語言的轉化是一個詞彙與基本成分詞序共同演化的過程。該模型同時記錄了一個“自底向頂”的語法發展過程，即句子層面的（頂層的）詞序可通過複用詞項間的（底層的）局部詞序來得到。這些仿真結果表明語言的合成性和規則性，以及相關的語言能力可以從一些人與動物普遍具有的能力（如簡單的特徵提取和排序能力）中發展而來。
除了語言使用者的學習機制，本論文進一步討論了社群傳播，社會和語義結構對語言演化所施加的影響。首先，通過仿真幾種主要的社群傳播形式，本論文探討了“水平”傳播中的約定俗成效應對語言演化所起的作用。其次，通過記錄語言在幾種簡單社會結構中的產生與保持，本論文探討了受歡迎個體在語言演化中的作用，個體間對語言的理解與整個社會層次結構間的相互關係，以及社群間的交流對社群間語言趨同所起的作用。最後，通過模擬在不同語義結構下的語言保持，本論文指出不同的語義結構會對詞序產生影響，此因素可被用於解釋人類語言在基本詞序上的偏向性分佈。這些研究討論了自組織在語言演化中所起的作用，重新認識了社群傳播中的樽頸效應，並對其他研究社會結構對語言演化之影響的課題起了指導性作用。

本书对意识理论进行全面研究，建立在近代神经科学基础上、致力于对意识的产生、及人们对意识的认识如何帮助其“把严格的科学描述与人类知识和经验的宽广领域联系起来”等问题进行解答。