目 录__eol__第1章 深度学习概述 1__eol__1.1 什么是深度学习 1__eol__1.2 为什么会出现深度学习 6__eol__1.3 深度学习方法的分类 8__eol__1.4 人工神经网络的发展简史 9__eol__思考题 15__eol__第2章 必备的数学知识 16__eol__2.1 线性代数 16__eol__2.1.1 矩阵 16__eol__2.1.2 向量 21__eol__2.2 微积分 22__eol__2.2.1 微分 22__eol__2.2.2 积分 26__eol__2.3 概率统计 27__eol__2.3.1 随机事件 27__eol__2.3.2 概率的定义 28__eol__2.3.3 条件概率和贝叶斯公式 28__eol__2.3.4 常用概率模型 29__eol__2.3.5 随机变量与概率分布 30__eol__2.3.6 随机变量的数字特征 31__eol__2.3.7 典型的概率分布 33__eol__2.3.8 统计与概率 36__eol__2.3.9 样本与总体 37__eol__2.3.10 统计量与抽样分布 37__eol__2.3.11 参数估计 38__eol__第3章 神经网络 40__eol__3.1 生物神经元 40__eol__3.2 M-P模型 41__eol__3.3 前馈神经网络 42__eol__3.4 感知器 43__eol__3.4.1 单层感知器 43__eol__3.4.2 多层感知器 45__eol__3.5 神经网络的学习 46__eol__3.5.1 数据驱动 46__eol__3.5.2 损失函数 47__eol__3.5.3 激活函数 50__eol__3.5.4 似然函数 55__eol__3.5.5 梯度与梯度下降法 58__eol__3.5.6 学习率 61__eol__3.5.7 学习规则 62__eol__3.6 误差反向传播算法 63__eol__3.7 随机梯度下降法 69__eol__3.8 神经网络学习算法的基本步骤 70__eol__思考题 71__eol__第4章 卷积神经网络 72__eol__4.1 卷积神经网络的结构 72__eol__4.2 输入层 76__eol__4.3 卷积层 76__eol__4.4 池化层 82__eol__4.5 全连接层 84__eol__4.6 输出层 84__eol__4.7 卷积神经网络的训练方法 85__eol__4.8 卷积神经网络的可视化 88__eol__4.8.1 特征图可视化 88__eol__4.8.2 卷积核可视化 94__eol__4.8.3 类激活图可视化 97__eol__4.8.4 可视化工具（Deep Visualization Toolbox） 98__eol__4.9 典型的卷积神经网络 99__eol__4.9.1 LeNet神经网络 99__eol__4.9.2 AlexNet 103__eol__4.9.3 VGGNet 104__eol__4.9.4 GoogLeNet 106__eol__4.9.5 ResNet 108__eol__4.9.6 基于AlexNet的人脸识别 108__eol__思考题 118__eol__第5章 反馈神经网络 119__eol__5.1 Hopfield神经网络 119__eol__5.2 离散型Hopfield神经网络 121__eol__5.2.1 离散型Hopfield神经网络的结构 121__eol__5.2.2 离散型Hopfield神经网络的状态变化规律 122__eol__5.2.3 离散型Hopfield神经网络的稳态判别函数 123__eol__5.2.4 离散型Hopfield神经网络的联想记忆 126__eol__5.2.5 离散型Hopfield神经网络的模式识别例子 127__eol__5.2.6 离散型Hopfield神经网络的权重设置 128__eol__5.2.7 离散型Hopfield神经网络的不足 130__eol__5.3 连续型Hopfield神经网络 131__eol__5.3.1 连续型Hopfield神经网络结构及其稳定性分析 131__eol__5.3.2 连续型Hopfield神经网络解决旅行商问题 133__eol__5.4 玻尔兹曼机 135__eol__5.3 受限玻尔兹曼机 141__eol__5.4 对比散度算法 146__eol__5.5 深度信念网络 148__eol__思考题 150__eol__第6章 自编码器 151__eol__6.1 自编码器 151__eol__6.2 降噪自编码器 153__eol__6.3 稀疏自编码器 155__eol__6.4 栈式自编码器 156__eol__6.5 变分自编码器 158__eol__思考题 161__eol__第7章 循环神经网络 162__eol__7.1 循环神经网络概述 162__eol__7.2 隐马尔可夫链 163__eol__7.3 循环神经网络架构 164__eol__7.4 LSTM 166__eol__7.4.1 基于LSTM预测彩票 170__eol__7.4.2 基于LSTM生成古诗词 180__eol__思考题 188__eol__第8章 生成对抗网络 189__eol__8.1 生成对抗网络概述 189__eol__8.2 生成对抗网络 190__eol__8.3 条件生成对抗网络 193__eol__8.4 深度对抗生成网络 195__eol__8.5 基于DCGAN生成人脸图片 196__eol__8.5.1 准备数据集 196__eol__8.5.2 构建模型 197__eol__思考题 204__eol__第9章 学习有关的处理技巧 205__eol__9.1 训练样本 205__eol__9.2 数据预处理 206__eol__9.3 Dropout与DropConnect 209__eol__9.4 正则化 212__eol__9.5 权重的初值设置 213__eol__思考题 214__eol__第10章 深度学习开发工具 215__eol__10.1 TensorFlow 215__eol__10.1.1 安装TensorFlow 216__eol__10.1.2 TensorFlow运行环境 217__eol__10.1.3 TensorFlow基本要素 218__eol__10.1.4 TensorFlow运行原理 219__eol__10.1.5 TensorFlow编程识别手写数字实例 221__eol__10.1.6 TensorBoard可视化工具 225__eol__10.2 Caffe 226__eol__10.2.1 Caffe的安装 228__eol__10.2.2 Caffe的应用实例 231__eol__思考题 232__eol__第11章 自动化机器学习 233__eol__11.1 AutoML简介 234__eol__11.2 AutoML与传统方法的对比 234__eol__11.3 现有AutoML平台产品 235__eol__11.3.1 谷歌Cloud AutoML 235__eol__11.3.2 百度EasyDL 235__eol__11.3.3 阿里云PAI 238__eol__第12章 深度学习的未来 242__eol__12.1 物体识别 242__eol__12.2 物体检测 243__eol__12.3 图像分割 251__eol__12.4 回归问题 253__eol__12.4.1 人体姿态估计 253__eol__12.4.2 面部器官检测 255__eol__12.5 图像标注生成 255__eol__12.6 图像风格变换 257__eol__12.7 自动驾驶 258__eol__12.8 强化学习 259__eol__12.9 深度学习的最新应用 260__eol__12.9.1 AlphaGo围棋机器人 260__eol__12.9.2 人机对话 262__eol__12.9.3 视频换脸 263__eol__12.9.4 无人机自动控制 265__eol__12.9.5 机器人行动协同 267__eol__12.9.6 医疗自动诊断 269__eol__12.10 深度学习的发展趋势分析 271__eol__12.10.1 深度学习技术现状 271__eol__12.10.2 深度学习发展趋势 271__eol__参考答案 273__eol__参考文献 277__eol__