2016 Deep Learning by MIT Press: Abstracts: 1 Introduction Part I: Applied Math and Machine Learning Basics 2 Linear Algebra 3 Probability and Information Theory 4 Numerical Computation 5 Machine Learning Basics Part II: Modern Practical Deep Networks 6 Deep Feedforward Networks 7 Regularization for Deep Learning 8 Optimization for Training Deep Models 9 Convolutional Networks 10 Sequence Modeling: Recurrent and Recursive Nets 11 Practical Methodology 12 Applications Part III: Deep Learning Research 13 Linear Factor Models 14 Autoencoders 15 Representation Learning 16 Structured Probabilistic Models for Deep Learning 17 Monte Carlo Methods 18 Confronting the Partition Function 19 Approximate Inference 20 Deep Generative Models

Microsoft.Press.I.M.Wrights.Hard.Code.2nd.Edition.Jul.2011.pdf

Deep Learning(中文版)(An MIT Press Book)

排队论最优化设计的书，全面介绍了排队论基础知识，对于计算机和数学等专业领域的应用很有帮助。

此m文件返回有用的残差缩放，即预测误差平方和（PRESS）。 要计算 PRESS，请选择一个观察值 i。 将回归模型拟合到剩余的 n-1 个观测值，并使用此方程来预测保留的观测值 y_i。 用 ye_(i) 表示这个预测值，我们可以找到点 i 的预测误差为 e_(i)=y_i - ye_(i)。 预测误差通常称为第 i 个 PRESS 残差。 对于每个观测值 i = 1,2,...,n 重复此过程，生成一组 n 个 PRESS 残差 e_(1),e_(2),...,e_(n)。 然后将 PRESS 统计量定义为 n 个 PRESS 残差的平方和，如下所示， PRESS = i_Sum_n e_(i)^2 = i_Sum_n [y_i - ye_(i)]^2 因此，PRESS 使用 n-1 个观测的这种可能子集作为估计数据集，并且每个观测依次用于形成预测数据集。 在构建这个 m 文件时

Gubner J.A. - Probability and Random Processes for Electrical and Computer Engineers (Cambridge University Press, 2006)英文原版

著名大气科学教材，中层大气动力学，1987年，作者：David G. Andrews, James R. Holton and Conway B. Leovy (Eds.)

Gene H. Golub, Charles F. Van Loan - Matrix computations-Johns Hopkins University Press (1996)

深度学习，MIT，deep learning, Yoshua Bengio,Ian Goodfellow,Aaron Courville

Introduction To Algorithms (MIT Press) 算法导论 麻省理工大学出版社