深度学习-方法及应用

1. 引言1.1 深度学习的定义与背景1.2 本书的结构安排2. 深度学习的历史3. 三类深度学习网络3.1 三元分类方式3.2 无监督和生成式学习深度网络3.3 监督学习深度网络3.4 混合深度网络4. 深度自编码器——一种无监督学习方法4.1 引言4.2 利用深度自编码器来提取语音特征4.3 堆叠式去噪自编码器4.4 转换自编码器5. 预训练的深度神经网络——一种混合方法5.1 受限玻尔兹曼机5.2 无监督逐层预训练5.3 dnn和hmm结合6. 深度堆叠网络及其变种——有监督学习权值6.1 简介6.2 深度堆叠网络的基本结构6.3 一种学习dsn权值的方法6.4 张量深度堆叠网络6.5 核化深度堆叠网络7. 语音和音频处理中的应用7.1 语音识别中声学模型的建立7.2 语音合成7.3 音频和音乐处理8. 在语言模型和自然语言处理中的相关应用8.1 语言模型8.2 自然语言处理9. 信息检索领域中的应用9.1 信息检索简介9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索9.3 文档检索中的深度结构语义模型9.4 信息检索中深度堆叠网络的应用10. 目标识别和计算机视觉中的应用10.1无监督或生成特征学习10.2有监督特征学习和分类11. 多模态和多任务学习中的典型应用11.1 多模态：文本和图像11.2 多模态：语音和图像11.3 在语音、自然语言处理或者图像领域的多任务学习12. 结论附录参考文献