神经网络与深度学习
課程類別人工智能学院
能够掌握神经网络与深度学习技术的基本原
理，知其然还要知其所以然。全书共15章。第1章是绪论，介绍人工智能、机器
学习、深度学习的概要，使读者对相关知识进行全面的了解。第2、3章介绍了
机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神
经网络、卷积神经网络和循环神经网络。第7章介绍神经网络的优化与正则化方
法。第8章介绍神经网络中的注意力机制和外部记忆。第9章简要介绍了一些无
监督学习方法。第10章中介绍一些和模型独立的机器学习方法：集成学习、协
同学习、自学习、多任务学习、迁移学习、终身学习、小样本学习、元学习等。
这些都是目前深度学习的难点和热点问题。第11章介绍了概率图模型的基本概
念，为后面的章节进行铺垫。第12章介绍两种早期的深度学习模型：玻尔兹曼
机和深度信念网络。第13章介绍最近两年发展十分迅速的深度生成模型：变分
自编码器和对抗生成网络。第14章介绍了深度强化学习的知识。第15章介绍了
应用十分广泛的序列生成模型。
教師: 申淑媛