包子阳：不错工程师，自2009年起工作于北京无线电测量研究所。2009年6月毕业于电子科技大学信号与信息处理专业，获硕士学位。从事雷达电气总体、智能算法和深度学习等研究工作。迄今出版专著3本；申请发明6项（已授权3项）；在靠前雷达会议、《系统工程与电子技术》、《现代雷达》、《电子技术与应用》、《雷达科学与技术》、《空间电子技术》、雷达年会、天线年会等发表学术论文十余篇。

目 录
    
章 绪论\t1
1.1 人工智能\t2
1.2 机器学习\t3
1.2.1 监督学习\t3
1.2.2 非监督学习\t3
1.2.3 半监督学习\t4
1.3 深度学习\t4
1.3.1 卷积神经网络\t4
1.3.2 循环神经网络\t5
1.4 实现工具\t6
1.4.1 Python\t6
1.4.2 TensorFlow\t6
第2章 Python基础\t9
2.1 Python简介\t10
2.1.1 概述\t10
2.1.2 Python的特点\t10
2.1.3 Python的版本\t11
2.2 Python的安装\t11
2.2.1 Python官网下载安装\t11
2.2.2 Anaconda的安装\t14
2.3 Spyder编辑器\t16
2.3.1 Spyder界面\t16
2.3.2 Spyder快捷键\t19
2.4 Python基础知识\t19
2.4.1 基本语法\t20
2.4.2 基本数据类型和运算\t23
2.4.3 列表、元组和字符串\t25
2.4.4 字典和集合\t32
2.4.5 分支和循环\t35
2.4.6 函数和类\t37
2.4.7 模块\t40
第3章 Python基础库\t43
3.1 Numpy库\t44
3.1.1 创建数组\t44
3.1.2 ndarray类\t47
3.1.3 数组操作\t48
3.1.4 形状操作\t55
3.2 Matplotlib库\t58
3.2.1 快速绘图\t58
3.2.2 绘制多轴图\t61
3.2.3 绘制3D图\t64
3.3 Scipy库\t67
3.3.1 scipy.io\t67
3.3.2 scipy.linalg\t68
3.3.3 scipy.fftpack\t69
3.3.4 scipy.optimize\t70
3.3.5 scipy.interpolate\t71
3.3.6 scipy.stats\t72
第4章 TensorFlow基础\t75
4.1 概述\t76
4.2 TensorFlow的安装\t77
4.3 TensorFlow基本概念\t79
4.3.1 Graph和Session\t79
4.3.2 placeholder\t82
4.3.3 tensor\t82
4.3.4 Variable\t85
4.3.5 fetch和feed\t87
4.4 MNIST\t89
4.4.1 MNIST简介\t89
4.4.2 MNIST解析\t90
第5章 神经网络基础\t95
5.1 神经网络概述\t96
5.1.1 神经网络常用术语\t97
5.1.2 神经网络模型\t99
5.1.3 神经网络的运作\t99
5.1.4 神经网络算法的特点\t100
5.2 神经元模型\t101
5.3 激活函数\t103
5.4.1 sigmoid函数\t104
5.4.2 tanh函数\t104
5.4.3 ReLU函数\t105
5.4.4 softmax函数\t106
5.4 损失函数\t106
5.4.1 均方差函数\t106
5.4.2 交叉熵函数\t107
5.5 梯度下降算法\t107
5.5.1 梯度下降算法推导\t108
5.5.2 梯度下降算法种类\t108
5.5 BP算法\t109
5.5.1 BP网络简介\t109
5.5.2 BP算法流程\t110
5.6 仿真实例\t112
第6章 神经网络基础应用\t117
6.1 感知机\t118
6.1.1 感知机网络结构\t119
6.1.2 感知机学习规则\t120
6.1.3 感知机网络训练\t120
6.1.5 仿真实例\t121
6.2 线性回归\t123
6.2.1 线性回归理论\t123
6.2.2 仿真实例\t126
6.3 逻辑回归\t129
6.3.1 逻辑回归理论\t129
6.3.2 仿真实例\t131
第7章 卷积神经网络\t137
7.1 概述\t138
7.2 卷积神经网络结构\t139
7.2.1 卷积层\t141
7.2.2 池化层\t144
7.2.3 全连接层\t147
7.2.4 Dropout 层\t148
7.3 训练过程\t148
7.4 卷积神经网络经典模型\t149
7.4.1 LeNet-5模型\t149
7.4.2 AlexNet模型\t150
7.5 仿真实例\t152
第8章 循环神经网络\t159
8.1 循环神经网络概述\t160
8.1.1 循环神经网络结构\t160
8.1.2 循环神经网络前向传播\t162
8.1.3 循环神经网络训练算法\t163
8.2 长短时记忆网络（LSTM）\t163
8.2.1 LSTM结构\t164
8.2.2 LSTM前向计算\t165
8.2.3 LSTM训练算法\t169
8.2.4 LSTM程序实现\t169
8.3 循环神经网络的变种\t170
8.3.1 双向循环神经网络\t170
8.3.2 深层循环神经网络\t171
8.4 仿真实例\t172
附录A Python主要函数\t181
附录B TensorFlow主要函数\t189
参考文献\t198

Python、TensorFlow、神经网络和深度学习因人工智能的流行而成为当下IT领域的热门关键词。本书首先介绍了Python及其常用库Numpy、Matplotlib和Scipy的基本使用方法；其次介绍了TensorFlow的基本知识及使用方法；然后介绍了神经网络的基础知识以及神经网络基本应用——感知机