深度学习是近年来在神经网络发展史上掀起的一波新浪潮,是机器学习的一大热点方向,因在手写字符识别、维数约简、图像理解和语音处理等方面取得巨大进展,所以很快受到了学术界和工业界的高度关注。在本质上,深度学习就是对具有深层结构的网络进行有效学习的各种方法。本书不仅介绍了深度学习的起源和发展、强调了深层网络的特点和优势,说明了判别模型和生成模型的相关概念,还详述了深度学习的9种重要模型及其学习算法、变种模型和混杂模型,包括受限玻耳兹曼机、自编码器、深层信念网络、深层玻耳兹曼机、和积网络、卷积神经网络、深层堆叠网络、循环神经网络和长短时记忆网络,以及它们在图像处理、语音处理和自然语言处理等领域的广泛应用。同时分析了一系列深度学习的基本案例。本书每个案例包括模块简介、运行过程、代码分析和使用技巧4个部分,层次结构清晰,利于读者的选择和学习并在应用中拓展思路。涉及的编程语言有3种:Matlab、Python和C++。其中,很多深度学习程序是用Matlab编写的,可以直接运行;如果使用Python语言编写深度学习程序,则可以调用Theano开源库;若使用C++语言,则可以调用Caffe开源库。