本书作为深度学习方面的入门书籍,目的是使读者通过学习,理解和掌握深度学习背后的数学原理和计算方法,并将其用于指导理论分析和实践开发。全书共8章。第1、2章主要介绍了深度学习的相关概念、发展简史、主要进展,以及典型的深度学习平台(MATLAB和TensorFlow)、数据增广技术和相关数学基础;第3~5章详细阐述了深度学习的典型网络模型,包括卷积神经网络、循环神经网络、自编码器、生成对抗网络及深度Q-学习等模型,重点介绍了这些模型背后的数学原理;第6章重点介绍了胶囊网络与流形学习;第7章介绍了玻尔兹曼机及其变体,包括受限玻尔兹曼机、深度玻尔兹曼机及概率图模型;第8章介绍了迁移学习、孪生网络、集成学习及深度学习方面的重要工作。