本书从深度学习的历史和数学知识出发，系统性地介绍了深度学习的原理、关键技术及相关应用。其中，重点介绍了卷积神经网络、反馈神经网络、自编码器、循环神经网络、生成对抗网络等业界流行的深度学习技术，以及业界主流的深度学习技术框架和知名的自动化机器学习平台产品，旨在帮助读者更直观地体验到深度学习技术的革新与精妙之处。

第1章 深度学习概述
1.1 什么是深度学习
1.2 为什么会出现深度学习
1.3 深度学习方法的分类
1.4 人工神经网络的发展简史
思考题
第2章 必备的数学知识
2.1 线性代数
2.1.1 矩阵
2.1.2 向量
2.2 微积分
2.2.1 微分
2.2.2 积分
2.3 概率统计
2.3.1 随机事件
2.3.2 概率的定义
2.3.3 条件概率和贝叶斯公式
2.3.4 常用概率模型
2.3.5 随机变量与概率分布
2.3.6 随机变量的数字特征
2.3.7 典型的概率分布
2.3.8 统计与概率
2.3.9 样本与总体
2.3.10 统计量与抽样分布
2.3.11 参数估计
第3章 神经网络
3.1 生物神经元
3.2 M-P模型
3.3 前馈神经网络
3.4 感知器
3.4.1 单层感知器
3.4.2 多层感知器
3.5 神经网络的学习
3.5.1 数据驱动
3.5.2 损失函数
3.5.3 激活函数
3.5.4 似然函数
3.5.5 梯度与梯度下降法
3.5.6 学习率
3.5.7 学习规则
3.6 误差反向传播算法
3.7 随机梯度下降法
3.8 神经网络学习算法的基本步骤
思考题
第4章 卷积神经网络
4.1 卷积神经网络的结构
4.2 输入层
4.3 卷积层
4.4 池化层
4.5 全连接层
4.6 输出层
4.7 卷积神经网络的训练方法
4.8 卷积神经网络的可视化
4.8.1 特征图可视化
4.8.2 卷积核可视化
4.8.3 类激活图可视化
4.8.4 可视化工具（Deep Visualization Toolbox）
4.9 典型的卷积神经网络
4.9.1 LeNet神经网络
4.9.2 AlexNet
4.9.3 VGGNet
4.9.4 GoogLeNet
4.9.5 ResNet
4.9.6 基于AlexNet的人脸识别
思考题
第5章 反馈神经网络
5.1 Hopfield神经网络
5.2 离散型Hopfield神经网络
5.2.1 离散型Hopfield神经网络的结构
5.2.2 离散型Hopfield神经网络的状态变化规律
5.2.3 离散型Hopfield神经网络的稳态判别函数
5.2.4 离散型Hopfield神经网络的联想记忆
5.2.5 离散型Hopfield神经网络的模式识别例子
5.2.6 离散型Hopfield神经网络的权重设置
5.2.7 离散型Hopfield神经网络的不足
5.3 连续型Hopfield神经网络
5.3.1 连续型Hopfield神经网络结构及其稳定性分析
5.3.2 连续型Hopfield神经网络解决旅行商问题
5.4 玻尔兹曼机
5.5 受限玻尔兹曼机
5.6 对比散度算法
5.7 深度信念网络
思考题
第6章 自编码器
6.1 自编码器
6.2 降噪自编码器
6.3 稀疏自编码器
6.4 栈式自编码器
6.5 变分自编码器
思考题
第7章 循环神经网络
7.1 循环神经网络概述
7.2 隐马尔可夫链
7.3 循环神经网络架构
7.4 LSTM
7.4.1 基于LSTM预测彩票
7.4.2 基于LSTM生成古诗词
思考题
第8章 生成对抗网络
8.1 生成对抗网络概述
8.2 生成对抗网络
8.3 条件生成对抗网络
8.4 深度对抗生成网络
8.5 基于DCGAN生成人脸图片
8.5.1 准备数据集
8.5.2 构建模型
思考题
第9章 学习有关的处理技巧
9.1 训练样本
9.2 数据预处理
9.3 Dropout与DropConnect
9.4 正则化
9.5 权重的初值设置
思考题
第10章 深度学习开发工具
10.1 TensorFlow
10.1.1 安装TensorFlow
10.1.2 TensorFlow运行环境
10.1.3 TensorFlow基本要素
10.1.4 TensorFlow运行原理
10.1.5 TensorFlow编程识别手写数字实例
10.1.6 TensorBoard可视化工具
10.2 Caffe
10.2.1 Caffe的安装
10.2.2 Caffe的应用实例
思考题
第11章 自动化机器学习
11.1 AutoML简介
11.2 AutoML与传统方法的对比
11.3 现有AutoML平台产品
11.3.1 谷歌Cloud AutoML
11.3.2 百度EasyDL
11.3.3 阿里云PAI
第12章 深度学习的未来
12.1 物体识别
12.2 物体检测
12.3 图像分割
12.4 回归问题
12.4.1 人体姿态估计
12.4.2 面部器官检测
12.5 图像标注生成
12.6 图像风格变换
12.7 自动驾驶
12.8 强化学习
12.9 深度学习的最新应用
12.9.1 AlphaGo围棋机器人
12.9.2 人机对话
12.9.3 视频换脸
12.9.4 无人机自动控制
12.9.5 机器人行动协同
12.9.6 医疗自动诊断
12.10 深度学习的发展趋势分析
12.10.1 深度学习技术现状
12.10.2 深度学习发展趋势
参考文献