1. 搭建你自己的神經網路（Make Your Own Neural Network）

價格：45 美元

一步步讓你瞭解神經網路的數學原理並用 Python 搭建自己的神經網路。神經網路是深度學習和人工智慧的關鍵元素。然而，幾乎很少有人真正瞭解神經網路如何運作。本書從非常簡單的思想開始，讓你在趣味和從容不迫中，逐漸瞭解神經網路的運作原理。

2. 神經網路設計（第二版）（Neural Network Design 2nd Edition)

價格：28 美元

本書作者著有 Neural Network Toolbox for MATLAB 一書。本書清楚詳細介紹了基本神經網路結構和學習規則。其中，作者條理清楚地介紹了主要的神經網路、訓練方法以及如何用來解決實際問題。廣泛介紹了前饋網路（包括多層和徑向基網路）和迴圈網路的訓練方法是本書的一大特點。

3. 用於模式識別的神經網路（計量經濟學高階教程）（Neural Networks for Pattern Recognition Advanced Texts in Econometrics）

價格：58 美元

本書首次從統計模式識別角度全面介紹了前饋神經網路。在引介基本概念後，作者檢視了概率密度函式的建模技巧以及多層感知機以及徑向基函式網路模型的特性和優點。本書也介紹了各種不同形式的誤差函式、誤差函式極小化主要演算法，神經網路的學習和泛化以及貝葉斯技巧及其應用。

4. 神經網路：一個綜合性基礎（第二版）（Neural Networks: A Comprehensive Foundation (2nd Edition)

價格：48 美元

面向計算機工程、電子工程以及電腦科學專業研究生的神經網路課程，全面、易讀、結構合理，全面更新的教程仍然是工程學視角下、最全面的神經網路介紹，本書已全面修訂。

5. 深度學習基礎：設計下一代機器智慧的演算法（Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms）

價格：33 美元

隨著神經網路在 21 世紀的振興，深度學習已經成為一個極其活躍的研究領域，它正在為現代機器學習鋪平道路。本書使用例項和論證說明幫助你理解這個複雜領域內的主要概念。掌握深度學習仍然是很複雜與困難的，不過如果你對機器學習有基本的理解，對 Python 程式語言比較熟悉，還能有一點微積分的數學背景，那麼這本書將能很好地幫助你學習深度學習。

6. 深度學習：自適應計算和機器學習系列（Deep Learning (Adaptive Computation and Machine Learning series)）

價格：69 美元

文中提供數學和學科概念背景知識，其涵蓋了線性代數、概率論和資訊理論、數值計算和機器學習等相關的背景知識。它闡述了行業從業者使用的深度學習技術，包含了深度前饋網路，正則化，優化演算法，卷積網路，序列建模和實用性方法等。同時它對深度學習實際應用如自然語言處理、語音識別、計算機視覺、線上推薦系統、生物資訊學和視訊遊戲也做了一個詳盡的調查分析。

7. 神經鍛造：前饋人工神經網路中的監督學習（Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks）

價格：63 美元

人工智慧神經網路是非線形對映系統，它的結構簡要的基於對人與動物大腦神經系統的觀察。基礎思路是簡單單元的大規模系統以能生成許多複雜、有趣的行為的方式連線到一起。該書注重在前饋人工神經網路的一個子集，也就是多層感知器（MLP）。這是最普遍使用的神經網路，被應用於金融（預測）、製造業（流程控制）和科學（語音和影象識別）等多個領域。

8. 人工神經網路基礎（Fundamentals of Artificial Neural Networks）

價格：45 美元

作為 IEEE Transactions on Neural Networks 的書評編輯，Mohamad Hassoun 有機會去評估近年來出現的眾多關於人工神經網路的書籍。現在，在 Fundamentals of Artificial Neural Networks 一書中，他通過清楚的分辨目前神經網路研究員使用的理論與實踐的基本概念與主要方法，首次對人工神經網路正規化提供了系統性的解釋。這樣的一本系統的、統一的書籍，儘管缺少對最近神經網路發展的描述，也依然很適合於學生與從業者。

9. 深度學習：從業者的實用方法（Deep Learning: A Practitioner's Approach）

價格：28 美元

你想尋找一本能闡述機器學習主要進展的核心書籍嗎？Deep Learning: A Practitioner's Approach 為開發者和資料科學家提供最實用的資訊，包括深度學習理論、最優方法和實用案例。作者 Adam Gibson 和 Josh Patterson 以非學術方式介紹了最新的相關論文和技術，並在他們的 DL4J 庫中實現核心數學方法。如果你在嵌入式，桌面和大資料/ Hadoop spaces 工作，並真正想了解深度學習，那麼這就是你想要的書。

　　©本文由機器之心編譯，轉載請聯絡本公眾號獲得授權。