神经网络与深度学习

这本书是深度学习领域的入门教材，系统地讲解了深度学习的知识体系，由浅入深阐述了深度学习基础知识、主要模型及部分前沿研究热点。冀使读者能有效地掌握相关知识，具备用深度学习技术解决大数据问题的能力。

全书共 15 章。第1 章绪论，介绍人工智能、机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍神经网络的优化与正则化方法。第8章介绍神经网络中的注意力机制和外部记忆。第9章简要介绍了一些无监督学习方法。第10章中介绍一些和模型独立的机器学习方法：集成学习、协同学习、自学习、多任务学习、迁移学习、终身学习、小样本学习、元学习等。第11章介绍了概率图模型的基本概念。第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。第13章介绍深度生成模型：变分自编码器和对抗生成网络。第14章介绍了深度强化学习的知识。第15章介绍了应用十分广泛的序列生成模型。