图书前言

前言

作为机器学习的分支,深度学习是近年来人工智能领域取得的最重要的突破之一,可以简单理解为神经网络的发展。通过深度学习,系统会自动提取非常多的特征及特征组合,并找出有用的特征; 深度学习在处理线性不可分问题时,通过解决一个又一个的简单问题,达到解决复杂问题的目的,也可以认为它通过一层又一层的中间层实现了复杂的功能。近年来,深度学习在语音、图像、生物识别、自然语言处理、机器人、博弈、医疗、金融、艺术、无人驾驶等诸多领域都获得了巨大成功,成为智能时代的关键技术。

本书汇集了笔者及其团队在深度学习方面多年的研究心得和成果; 同时,吸收了其他作者在国内外重要期刊所发表论文中的最新成果。全书共四篇11章,第一篇为深度学习基础篇,内容包括深度学习形成与发展过程及其数学与优化基础; 第二篇为神经网络篇,内容包括人工神经网络、Hopfield神经网络和脉冲耦合神经网络; 第三篇为卷积神经网络篇,内容包括深度卷积神经网络、混合空洞卷积神经网络和深度生成对抗与强化学习网络; 第四篇为循环递归神经网络篇,内容包括循环神经网络、深度递归级联卷积神经网络和长短期记忆神经网络。

全书紧跟国内外深度学习领域的研究动态。从辩证角度,对目前受到关注的一些深度学习模型、原理及训练流程等进行了详细阐述; 从系统角度,各种深度学习网络起始于原理剖析、侧重于方法论述、落脚于应用领域,体系结构完整; 从应用角度,以最新应用成果为实例,搭建了深度学习网络与解决具体问题之桥梁,生动展现了解决问题之道,体现了解决问题之效,实现了从抽象到具体、从微观机制到宏观应用的转换; 从进阶角度,始于深度学习基础,按标准模型、进阶模型到应用模型的逻辑延伸,拓展了深度学习网络结构,扩大了网络的应用领域与实效。

本书成果得到了国家自然科学基金项目(61673222)及江苏省高等学校优势学科“信息与通信工程”、江苏省集成电路可靠性技术及检测系统工程研究中心、江苏省“十四五”重点学科等建设项目资助。在本书编写过程中,田佳佳、许雪、尤俣良、姚文强、王庆伟、刘程等研究生参与了编校工作; 对于参阅并引用的相关论著,已列在参考文献中。本书的出版还得到了清华大学出版社的大力支持,在此一并表示诚挚的谢意!

由于笔者水平有限,书中难免存在不当之处,敬请读者批评指正!