本書結(jié)合實際應(yīng)用介紹神經(jīng)網(wǎng)絡(luò)和深度學習等技術(shù)領(lǐng)域相關(guān)信息，從結(jié)構(gòu)上重點介紹了前饋型神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)，以及自組織競爭型神經(jīng)網(wǎng)絡(luò)，并針對當下深度學習中比較重要的網(wǎng)絡(luò)進行了詳細介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)（遞歸）神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)，以及深度強化學習。本書不僅能讓讀者對當前神經(jīng)網(wǎng)絡(luò)和深度學習技術(shù)有體系的認知，更能讓讀者在人工智能領(lǐng)域進行一些深入思考。
神經(jīng)網(wǎng)絡(luò)是機器學習和深度學習的基礎(chǔ)，本書用一條學習路線貫穿全書，首先講解了數(shù)學基礎(chǔ)、機器學習基礎(chǔ)以及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，接著通過原理、結(jié)構(gòu)、實例、優(yōu)劣勢分析、適用場景等全方位講解了各種常典型的神經(jīng)網(wǎng)絡(luò)，緊密結(jié)合一線工程師的研究成果，可以幫助讀者更好地學習神經(jīng)
前言
本書結(jié)合實際應(yīng)用介紹神經(jīng)網(wǎng)絡(luò)和深度學習等技術(shù)領(lǐng)域相關(guān)信息，從結(jié)構(gòu)上重點介紹了前
饋型神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)，以及自組織競爭型神經(jīng)網(wǎng)絡(luò)，并針對當下深度學習中比較重
要的網(wǎng)絡(luò)進行了詳細介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)（遞歸）神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、生成
對抗網(wǎng)絡(luò)，以及深度強化學習。本書不僅能讓讀者對當前神經(jīng)網(wǎng)絡(luò)和深度學習技術(shù)有體系的認
知，更能讓讀者在人工智能領(lǐng)域進行一些深入思考。
讀者對象
? 對神經(jīng)網(wǎng)絡(luò)、深度學習以及人工智能有興趣的讀者；
? 對算法以及機器學習領(lǐng)域有興趣的讀者；
? 互聯(lián)網(wǎng)行業(yè)不同層次的從業(yè)者；
? 軟件工程或計算機相關(guān)專業(yè)的在校學生。
本書特色
書中內(nèi)容緊密結(jié)合當前一線工程師工作研究成果，是對當前神經(jīng)網(wǎng)絡(luò)和深度學習的完整性
原理介紹和實踐分析。本書充分利用了最新技術(shù)發(fā)展的應(yīng)用成果，不僅結(jié)合原理分析，還結(jié)合
案例進行輔助理解。
本書介紹的相關(guān)深度學習技術(shù)廣泛應(yīng)用于各個領(lǐng)域，可以在自然語言處理、計算機視覺、
文本分析等領(lǐng)域中應(yīng)用，在當前甚至未來三到五年，都具有實際意義。
本書結(jié)構(gòu)
本書按照由淺入深、循序漸進的順序?qū)ι窠?jīng)網(wǎng)絡(luò)和深度學習的內(nèi)容進行介紹。全書共分為
三篇，分別從基礎(chǔ)、進階、高階三個層次逐步展開，總共12 章，各章的主要內(nèi)容如下。
第1 章闡述了在當前時代背景下，神經(jīng)網(wǎng)絡(luò)和人工智能的發(fā)展歷程，針對未來人工智能極
可能改變的領(lǐng)域進行了深入介紹，并介紹了深度學習與機器學習的關(guān)系，以及深度學習與人工
智能的關(guān)系。
第2 章介紹了神經(jīng)網(wǎng)絡(luò)和深度學習的數(shù)學基礎(chǔ)，從向量、矩陣、導數(shù)、數(shù)值計算、概率分
布、參數(shù)估計等方面進行了詳細介紹，為學習后續(xù)內(nèi)容奠定基礎(chǔ)。
第3 章重點介紹了機器學習的基礎(chǔ)內(nèi)容，神經(jīng)網(wǎng)絡(luò)和深度學習都屬于機器學習中的內(nèi)容，
包括擬合問題、交叉檢驗、產(chǎn)生式與判別式模型等，有助于加強對神經(jīng)網(wǎng)絡(luò)和深度學習的理解。
第4 章介紹了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)，包括神經(jīng)網(wǎng)絡(luò)中常見的學習方法以及神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法，
闡述了常見的神經(jīng)網(wǎng)絡(luò)類型以及深度學習中的網(wǎng)絡(luò)類型，并介紹了深度學習與多層神經(jīng)網(wǎng)絡(luò)的
關(guān)系。
第5 章重點介紹了前饋型神經(jīng)網(wǎng)絡(luò)，它是神經(jīng)網(wǎng)絡(luò)中極為重要的一種網(wǎng)絡(luò)類型。本章從單
層感知器開始，逐步深入介紹了BP 神經(jīng)網(wǎng)絡(luò)以及徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，重點介紹了反向傳播
算法。
第6 章詳細介紹了反饋型神經(jīng)網(wǎng)絡(luò)，它是一種帶聯(lián)想記憶的神經(jīng)網(wǎng)絡(luò)。本章重點介紹了
Hopfiled 神經(jīng)網(wǎng)絡(luò)、Elman 神經(jīng)網(wǎng)絡(luò)以及遞歸神經(jīng)網(wǎng)絡(luò)。對于遞歸神經(jīng)網(wǎng)絡(luò)還進行了更為深入
的介紹，包括其反向傳播算法以及各類改進的結(jié)構(gòu)。
第7 章重點介紹了自組織競爭型神經(jīng)網(wǎng)絡(luò)，從傳統(tǒng)的系統(tǒng)聚類法、基于劃分的聚類算法、
基于密度的聚類算法、基于層次的聚類算法開始，詳細介紹了自組織競爭型神經(jīng)網(wǎng)絡(luò)中的典型
代表自組織映射網(wǎng)絡(luò)，還介紹了自適應(yīng)共振理論以及對偶傳播網(wǎng)絡(luò)。
第8 章介紹了卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)是目前圖像處理中比較優(yōu)秀的神經(jīng)網(wǎng)絡(luò)。本章
重點介紹了卷積神經(jīng)網(wǎng)絡(luò)中的卷積、卷積核等重要基礎(chǔ)概念，詳細闡述了卷積神經(jīng)網(wǎng)絡(luò)中各層
的工作原理，并介紹了常見的間距神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
第9 章介紹了循環(huán)神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)有一定的相似性。本章介紹了
一般的循環(huán)神經(jīng)網(wǎng)絡(luò)，包括單向循環(huán)神經(jīng)網(wǎng)絡(luò)、雙向循環(huán)神經(jīng)網(wǎng)絡(luò)以及深度循環(huán)神經(jīng)網(wǎng)絡(luò)。重
點介紹了長短時記憶網(wǎng)絡(luò)。
第10 章介紹了深度信念網(wǎng)絡(luò)，深度信念網(wǎng)絡(luò)是由受限玻爾茲曼機組成的網(wǎng)絡(luò)結(jié)構(gòu)。本章
重點介紹了受限玻爾茲曼機的邏輯結(jié)構(gòu)和工作原理，并介紹了深度信念網(wǎng)絡(luò)的訓練過程。
第11 章介紹了生成對抗網(wǎng)絡(luò)，生成對抗網(wǎng)絡(luò)是未來會有較大突破的網(wǎng)絡(luò)結(jié)構(gòu)之一。本章
從一般的生成對抗網(wǎng)絡(luò)入手進行介紹，然后介紹了各類改進版本，包括DCGAN、CGAN、
WGAN 等，并對生成對抗網(wǎng)絡(luò)的未來做了一定猜想。
第12 章介紹了深度強化學習，深度強化學習是一種有別于傳統(tǒng)的有監(jiān)督學習和無監(jiān)督學
習的學習方式。本章重點介紹了強化學習的工作原理、馬爾科夫決策過程等，并結(jié)合強化學習
的各類算法進行了詳細的介紹。
上述章節(jié)中，郭武彪完成了第6 章內(nèi)容的編寫，陳相禮完成了第9 章內(nèi)容的編寫，楊華完
成了第11 章內(nèi)容的編寫以及本書格式校驗，其余章節(jié)內(nèi)容由劉凡平完成編寫，并對本書內(nèi)容
進行了校驗。
由于時間倉促及編者水平有限，書中難免存在錯誤和不足之處，懇請廣大讀者多多理解，
并批評指正，也可以通過郵箱（liufanping@iveely.com）聯(lián)系我們。
劉凡平，碩士，畢業(yè)于中國科學技術(shù)大學，專注于大數(shù)據(jù)分析、搜索引擎、機器學習和深度學習研究，曾任職于微軟亞太研發(fā)集團，現(xiàn)任職于百度（中國）有限公司，曾出版《大數(shù)據(jù)搜索引擎原理分析及編程》《大數(shù)據(jù)時代的算法》，是執(zhí)著于將互聯(lián)網(wǎng)技術(shù)演繹為藝術(shù)的完美追求者。
新書資訊