深度学习基础教程

前言
第1章　深度学习概述 1
11　深度学习的发展历程 1
111　深度学习的历史 1
112　深度学习领域的重要人物 5
12　深度学习的关键技术 7
121　深度学习的机理 7
122　深度学习的三要素 8
123　数据的特征 9
124　深度学习的主要模型 10
125　深度学习模型的训练过程 11
126　深度学习模型的学习方式 12
127　深度学习的常用框架 14
13　深度学习网络的发展脉络及应用领域 18
131　深度学习网络的发展脉络 18
132　深度学习的应用领域 19
课后习题 21
参考文献 22
第2章　人工神经网络基础 24
21　人工神经网络的生物学基础 24
211　神经元的基本模型 24
212　突触的结构 26
22　人工神经元模型 26
221　人工神经元的数学模型 26
222　常见的人工神经元模型 30
23　人工神经网络模型 34
231　神经网络的基本结构 34
232　神经网络的分类 36
24　神经网络的前向传播机制 39
25　神经网络的反向传播机制 40
26　基于反向传播算法的神经网络设计流程 43
27　人工神经网络的参数优化问题 45
271　神经网络层数的优化问题 45
272　归一化指数函数softmax 47
273　学习率 49
274　欠拟合和过拟合问题 50
课后习题 52
参考文献 53
第3章　卷积神经网络和循环神经网络 54
31　卷积神经网络 54
311　卷积神经网络的基本概念 54
312　卷积神经网络的结构 58
313　卷积神经网络的常用架构 65
32　循环神经网络 72
321　循环神经网络的基本概念 72
322　循环神经网络的应用——语言模型 77
323　循环神经网络的梯度问题及解决方法 80
324　循环神经网络的改进 84
课后习题 87
参考文献 89
第4章　生成对抗网络和深度强化学习 92
41　生成对抗网络 92
411　生成对抗网络概述 92
412　生成对抗网络的基本原理 94
413　几种改进的生成对抗网络模型 99
414　生成对抗网络的应用 103
42　强化学习 106
421　强化学习概述 106
422　强化学习的决策过程 108
423　Q-Learning算法 111
424　深度强化学习 112
课后习题 118
参考文献 119
第5章　计算机视觉 121
51　计算机视觉概述 121
511　计算机视觉的历史 122
512　计算机视觉的挑战与机遇 123
513　计算机视觉常见的数据集 125
514　计算机视觉处理的基本流程 130
52　图像预处理 131
521　图像去噪 131
522　图像归一化 133
523　图像分割技术 134
53　计算机视觉常用的网络结构 136
531　图像分类常用的深度学习网络结构 136
532　视频分类常用的深度学习网络结构 140
533　目标检测常用的深度学习网络结构 144
课后习题 152
参考文献 154
第6章　自然语言处理 156
61　自然语言处理概述 156
611　发展历史 157
612　自然语言处理的过程 158
613　基础技术 160
614　词嵌入算法 162
615　N-gram语言模型 166
616　注意力机制 167
62　自然语言处理的应用模型 171
621　文本分类 171
622　自动文本摘要 175
623　自动问答系统 178
624　触发字检测 181
课后习题 182
参考文献 183