当代机器深度学习方法与应用研究

1 引言
1．1 机器学习发展简史
1．2 深度学习的定义
1．3 深度学习的应用领域
1．4 深度学习的成果

2 大数据机器学习系统
2．1 大数据机器学习系统研究背景
2．2 大数据机器学习研究现状
2．3 大数据机器学习系统的技术特征及主要研究问题
2．4 大数据机器学习相关技术
2．5 大数据机器学习平台总体架构

3 深度学习方法研究
3．1 深度学习方法的发展史
3．2 三类深度学习网络
3．3 深度自编码器
3．4．深度堆叠网络及其变形
3．5 预训练的深度神经网络

4 深度学习技术的应用研究
4．1 语音和音频处理中的应用
4．2 在语言模型和自然语言处理中的相关应用
4．3 信息检索领域中的应用
4．4 在目标识别和计算机视觉中的应用
4．5 多模态和多任务学习中的典型应用

5 深度学习软件仿真平台及开发环境
5．1 Caffe平台
5．2 TensorFlp平台
5．3 MXNet平台
5．4 Torch 7平台
5．5 Theano平台

6 大数据巨量分析与机器学习的应用领域
6．1 互联网领域
6．2 商业领域
6．3 工业领域
6．4 农业信息化建设领域
6．5 医疗行业
6．6 城市规划与建筑工程
6．7 其他研究领域

7 国内外深度学习技术研发现状及其产业化趋势
7．1 深度强化学习：从AlphaGo背后力量到学习资源分享
7．2 Google在深度学习领域的研发现状
7．3 Facebook在深度学习领域的研发现状
7．4 百度在深度学习领域的研发现状
7．5 阿里巴巴在深度学习领域的研发现状
7．6 京东在深度学习领域的研发现状
7．7 腾讯在深度学习领域的研发现状
7．8 科创型公司（基于深度学习的人脸识别系统）
7．9 深度学习的硬件支撑——NVIDIA GPU

8 机器学习的哲学探索
8．1 机器学习哲学前沿科学基础
8．2 机器学习的可能实现途径分析
8．3 机器学习算法及其知识发现功能

9 总结与展望
9．1 深度学习发展历史图
9．2 深度学习的应用介绍
9．3 深度神经网络的可塑性
9．4 基于脑启发式的深度学习前沿方向
附录
参考文献