前言

第一部分 基础理论

 第1章 概述

1.1 深度学习的起源和发展

1.2 深层网络的特点和优势

1.3 深度学习的模型和算法

 第2章 预备知识

2.1 矩阵运算

2.2 概率论的基本概念

2.2.1 概率的定义和性质

2.2.2 随机变量和概率密度函数

2.2.3 期望和方差?

2.3 信息论的基本概念?

2.4 概率图模型的基本概念

2.5 概率有向图模型

2.6 概率无向图模型

2.7 部分有向无圈图模型

2.8 条件随机场

2.9 马尔可夫链

2.1 0概率图模型的学习

2.1 1概率图模型的推理

2.1 2马尔可夫链蒙特卡罗方法

2.1 3玻耳兹曼机的学习

2.1 4通用反向传播算法

2.1 5通用逼近定理

 第3章 受限玻耳兹曼机

3.1 受限玻耳兹曼机的标准模型

3.2 受限玻耳兹曼机的学习算法

3.3 受限玻耳兹曼机的变种模型

 第4章 自编码器

4.1 自编码器的标准模型

4.2 自编码器的学习算法

4.3 自编码器的变种模型

 第5章 深层信念网络

5.1 深层信念网络的标准模型

5.2 深层信念网络的生成学习算法

5.3 深层信念网络的判别学习算法

5.4 深层信念网络的变种模型

 第6章 深层玻耳兹曼机

6.1 深层玻耳兹曼机的标准模型

6.2 深层玻耳兹曼机的生成学习算法

6.3 深层玻耳兹曼机的判别学习算法

6.4 深层玻耳兹曼机的变种模型

 第7章 和积网络

7.1 和积网络的标准模型

7.2 和积网络的学习算法

7.3 和积网络的变种模型

 第8章 卷积神经网络

8.1 卷积神经网络的标准模型

8.2 卷积神经网络的学习算法

8.3 卷积神经网络的变种模型

 第9章 深层堆叠网络

9.1 深层堆叠网络的标准模型

9.2 深层堆叠网络的学习算法

9.3 深层堆叠网络的变种模型

 第10章 循环神经网络

10.1 循环神经网络的标准模型

10.2 循环神经网络的学习算法

10.3 循环神经网络的变种模型

 第11章 长短时记忆网络

11.1 长短时记忆网络的标准模型

11.2 长短时记忆网络的学习算法

11.3 长短时记忆网络的变种模型

 第12章 深度学习的混合模型、广泛应用和开发工具

12.1 深度学习的}昆合模型

12.2 深度学习的广泛应用

12.2.1 图像和视频处理

12.2.2 语音和音频处理

12.2.3 自然语言处理

12.2.4 其他应用

12.3 深度学习的开发工具

 第13章 深度学习的总结、批评和展望

第二部分 案例分析

 第14章 实验背景

14.1 运行环境

14.2 实验数据

14.3 代码工具

 第15章 自编码器降维案例

15.1 自编码器降维程序的模块简介

15.2 自编码器降维程序的运行过程

15.3 自编码器降维程序的代码分析

15.3.1 关键模块或函数的主要功能

15.3.2 主要代码分析及注释

15.4 自编码器降维程序的使用技巧

 第16章 深层感知器识别案例

16.1 深层感知器识别程序的模块简介

16.2 深层感知器识别程序的运行过程

16.3 深层感知器识别程序的代码分析

16.3.1 关键模块或函数的主要功能

16.3.2 主要代码分析及注释

16.4 深层感知器识别程序的使用技巧

 第17章 深层信念网络生成案例

17.1 深层信念网络生成程序的模块简介

17.2 深层信念网络生成程序的运行过程

17.3 深层信念网络生成程序的代码分析

……

第18章 深层信念网络分类案例

第19章 深层玻耳兹曼机识别案例

第20章 卷积神经网络识别案例

第21章 循环神经网络填充案例

第22章 长短时忆网络分类案例

附录

参考文献

由李玉鑑、张婷《深度学习导论及案例分析》是一部关于深度学习的导论性著作，也是了解深度学习的入门书籍。全书涵盖了深度学习的发展历史、特点优势，包括各种重要的模型、算法及应用，对读者把握深度学习的基本脉络和未来趋势，具有提纲挈领的指导意义。

深度学习是近年来在神经网络发展史上掀起的一波新浪潮，是机器学习的一大热点方向，是实现人工智能的一种强大技术，有关成果早已震撼了学术界和工业界。随着AlphaGo战胜人类的围棋冠军，深度学习又受到了空前绝后的爆炸性关注。

有兴趣的读者可以从本书开始，逐步揭开深度学习的神秘面纱，窥探其中的奥妙所在。

深度学习是近年来在神经网络发展史上掀起的一波新浪潮，是机器学习的一大热点方向，因在手写字符识别、维数约简、图像理解和语音处理等方面取得了巨大进展，所以很快受到了学术界和工业界的高度关注。在本质上，深度学习就是对具有深层结构的网络进行有效学习的各种方法。由李玉鑑、张婷《深度学习导论及案例分析》介绍了深度学习的起源和发展，强调了深层网络的特点和优势，说明了判别模型和生成模型的相关概念，详述了深度学习的9种重要模型及其学习算法、变种模型和混杂模型，讨论了深度学习在图像处理、语音处理和自然语言处理等领域的广泛应用。总结了深度学习目前存在的问题、挑战和未来的发展趋势，还分析了一系列深度学习的基本案例。本书可以作为计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师和科研工作者在具备神经网络基础知识后，进一步了解深度学习理论和方法的入门教材或导论性参考书，有助于读者掌握深度学习的主要内容并开展相关研究。