深度学习简明教程

内容简介

本书分为四部分，共16章。其中，深度学习理论概述部分(第1章)分析了人工智能的历史、发展与现状；深度学习模型基础部分(第2-8章)从神经网络的基础出发，讨论了人工神经网络的结构、原理、性质与典型应用，并依序详细回顾了反向传播算法、卷积神经网络、自编码网络、Hopfield神经网络、循环神经网络等几类基本网络的功能、结构、算法与典型应用；深度学习进阶部分(第9-14章)分别对残差网络、生成式对抗网络、深度强化学习、图神经网络、多尺度深度几何网络、Transformer网络进行了介绍；深度学习实战和展望部分(第15和16章)简述了几种深度学习实验平台、工具的实例与方法，并在深度学习总结与展望中对深度学习的发展历程进行了回顾，展望了深度学习未来的发展方向。