本书旨在构建“核心基础-经典网络-前沿进展”三级知识体系，核心基础包括深度学习的框架、数学基础、基本神经网络、性能评估等，经典网络包括卷积神经网络（CNN）、循环神经网络（RNN）、变分自编码器（VAE）、Transformer等经典架构，更独辟蹊径，深入探讨预训练大模型、扩散模型、生成对抗网络（GAN）、YOLO网络等前沿主题，确保教材内容的先进性与前瞻性。本书充分考虑教与学的体验，配有精美的图表阐述核心概念、每章小结等，读者对象包括将人工智能或深度学习纳入核心课程体系专业，尤其是与人工智能相关的交叉新兴专业的本科和研究生，同样也适合作为人工智能、深度学习爱好者和初学者的自学教材，以及从事人工智能课题研究和应用开发人员的参考用书。

马海平，工学博士，博士后，教授，硕士生导师，绍兴文理学院学术委员会委员，浙江省高校中青年学科带头人，英国女王大学公派访问学者，多次入选斯坦福大学世界排名前2%**科学家榜单，主要从事人工智能及应用，智能控制与信息处理研究。先后主持完成国家自然科学基金项目3项，省自然科学基金项目2项，全国重点实验室开放课题1项，获中国仿真学会优秀博士学位论文奖1项，中国发明协会发明创业成果奖三等奖1项，浙江省自然科学基金优秀论文奖1项。以第一作者出版英文专著1本，在IEEE系列国内外**期刊上发表SCI论文60余篇。现担任中国人工智能学会自主无人系统专业委员会委员，中国仿真学会生命系统建模仿真专业委员会委员、智能仿真优化与调度专业委员会委员。

前言 深度学习及应用前言〖3〗〖3〗近年来，以深度学习为代表的人工智能技术已深度融入社会生活。从人脸识别、智能推荐、自动驾驶到低空技术，这些日常应用背后离不开深度学习研究的长期积累。尤其在大数据、强算力、优算法与丰富场景的共同推动下，深度学习这一新兴研究领域正吸引着越来越多的关注。深度学习以神经网络为核心模型，最初致力于解决机器学习中的表示学习问题，而今凭借其强大的建模与泛化能力，已广泛应用于推理、决策等更接近通用人工智能的复杂任务中。当前，深度学习不仅在学术界成果丰硕，在工业界也催生了众多突破性产品，成为推动新一轮人工智能浪潮的核心动力。由于深度学习技术几乎在所有领域都具有广阔的应用前景，目前不仅众多本科生与研究生专业设立相关课程，越来越多高校的人工智能、计算机科学与技术、自动化、电子信息工程、通信工程等相关本科专业更是将深度学习纳入核心教学体系。在此背景下，作者撰写了这本教材，旨在系统梳理该领域的知识脉络，为相关专业的学生、研究人员及工程师提供一本体系完整、内容前沿、理论与实践并重的学习与参考用书。 全书共12章。第1章在介绍深度学习基本概念与发展历程的基础上，重点梳理当前主要研究方向与典型应用，引导读者建立对该领域的整体认知。第2章讲解深度学习所必需的数学基础，涵盖线性代数、微积分、概率论与信息论的核心内容及其在网络模型理解中的作用。第3章阐述人工神经网络的基本理论，重点剖析广泛应用的BP神经网络、径向基函数网络和Hopfield网络及其随机化变体，为后续深度学习网络模型奠定基础。第4章从数字图像特征出发，引入卷积运算，系统讲解卷积神经网络各模块结构、训练方法...