隨著互聯(lián)網(wǎng)與大數(shù)據(jù)時(shí)代的來(lái)臨，人工智能技術(shù)已經(jīng)成為當(dāng)前科技發(fā)展的重要組成部分，并在工業(yè)智能制造、農(nóng)業(yè)自動(dòng)化生產(chǎn)以及商業(yè)貿(mào)易與金融宏觀調(diào)控等領(lǐng)域得到廣泛應(yīng)用�；�于人工智能技術(shù)的各類(lèi)產(chǎn)品已經(jīng)滲透到我們的生產(chǎn)、生活、教育、娛樂(lè)、醫(yī)療等各個(gè)方面，并逐漸改變著人們的思維習(xí)慣和行為方式�？梢哉f(shuō)，人工智能技術(shù)的發(fā)展與推廣對(duì)人類(lèi)社會(huì)的影響之深遠(yuǎn)是前所未有的。
在當(dāng)前的人工智能研究領(lǐng)域中，深度學(xué)習(xí)（Deep Learning）是一項(xiàng)備受關(guān)注的關(guān)鍵技術(shù)，并已成為熱點(diǎn)話題。深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí)范疇，是構(gòu)成復(fù)雜人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的要素。從單純的技術(shù)角度來(lái)看，深度學(xué)習(xí)中的深度是指所配置的人工神經(jīng)網(wǎng)絡(luò)模型中的隱含層在縱向有較深的結(jié)構(gòu)。研究表明，人工神經(jīng)網(wǎng)絡(luò)的深度直接決定了它刻畫(huà)現(xiàn)實(shí)問(wèn)題的能力，因?yàn)橹挥袕?fù)雜的深層神經(jīng)元組合才能夠擬合出較為復(fù)雜的函數(shù)處理過(guò)程，從而得到有效的智能輸出結(jié)果。當(dāng)然，隨著時(shí)間的推移和人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)也將被賦予更廣泛、更豐富的內(nèi)涵。
深度學(xué)習(xí)不是一個(gè)孤立的概念，它與人工神經(jīng)網(wǎng)絡(luò)技術(shù)息息相關(guān)。因此，要深入了解深度學(xué)習(xí)的原理與運(yùn)行機(jī)制，需要先掌握人工神經(jīng)網(wǎng)絡(luò)的基本概念和內(nèi)部結(jié)構(gòu)等知識(shí)。卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)中的兩大類(lèi)基礎(chǔ)深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，就是從傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)衍生而來(lái)的。深度學(xué)習(xí)在各個(gè)關(guān)鍵領(lǐng)域的應(yīng)用，如智能決策、計(jì)算機(jī)視覺(jué)以及自然語(yǔ)言處理等方面，是在這些基礎(chǔ)深度神經(jīng)網(wǎng)絡(luò)架構(gòu)之上，針對(duì)不同應(yīng)用場(chǎng)景的數(shù)據(jù)規(guī)律與問(wèn)題特征，做了進(jìn)一步的網(wǎng)絡(luò)架構(gòu)整合與創(chuàng)新。
深度學(xué)習(xí)是一個(gè)比較新的概念。隨著新技術(shù)的不斷涌現(xiàn)，深度學(xué)習(xí)涉及的很多概念的內(nèi)涵和外延也在不斷突破和發(fā)展，其中的一些新觀點(diǎn)、新見(jiàn)解尚未在學(xué)術(shù)界及產(chǎn)業(yè)界形成統(tǒng)一的認(rèn)識(shí)，相關(guān)的理論體系還不是很完善，仍然在持續(xù)創(chuàng)新和演變過(guò)程中。然而，深度學(xué)習(xí)又是當(dāng)前人工智能領(lǐng)域的關(guān)鍵技術(shù)，也是開(kāi)發(fā)各類(lèi)人工智能算法的核心要素。本書(shū)力圖通過(guò)闡述深度學(xué)習(xí)所涉及的基本概念、運(yùn)行原理與應(yīng)用分類(lèi)，使讀者形成較為完整的關(guān)于深度學(xué)習(xí)相關(guān)概念的認(rèn)知，從而為進(jìn)一步研究和開(kāi)發(fā)各專(zhuān)業(yè)領(lǐng)域的人工智能算法打下良好的基礎(chǔ)。
本書(shū)根據(jù)高等院校理工科專(zhuān)業(yè)特別是新工科相關(guān)專(zhuān)業(yè)學(xué)生的學(xué)習(xí)需求，介紹深度學(xué)習(xí)的相關(guān)概念，培養(yǎng)學(xué)生利用基于各類(lèi)深度學(xué)習(xí)架構(gòu)的人工智能算法來(lái)分析和解決相關(guān)專(zhuān)業(yè)問(wèn)題的能力。
全書(shū)共分6章，主要內(nèi)容如下。
第1章深度學(xué)習(xí)概述主要介紹深度學(xué)習(xí)產(chǎn)生的歷史背景及發(fā)展歷程，并簡(jiǎn)述深度學(xué)習(xí)的基本概念及應(yīng)用場(chǎng)景。
第2章人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)介紹人工神經(jīng)網(wǎng)絡(luò)的理論抽象模型，并給出神經(jīng)網(wǎng)絡(luò)中的前向傳播機(jī)制和反向傳播機(jī)制以及基于反向傳播算法的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)流程。
第3章卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)介紹卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)這兩種深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的基本概念、內(nèi)部結(jié)構(gòu)、工作機(jī)制與主要應(yīng)用場(chǎng)景。
第4章生成對(duì)抗網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)介紹生成對(duì)抗網(wǎng)絡(luò)的博弈與訓(xùn)練過(guò)程以及強(qiáng)化學(xué)習(xí)的基本原理和Q-Learning算法，并給出與之相關(guān)的網(wǎng)絡(luò)模型和框架。
第5章計(jì)算機(jī)視覺(jué)介紹計(jì)算機(jī)視覺(jué)的圖像預(yù)處理、相關(guān)算法分析和特征提取以及目標(biāo)匹配等原理，還給出圖像與視頻分類(lèi)以及目標(biāo)檢測(cè)常用的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)。
第6章自然語(yǔ)言處理介紹自然語(yǔ)言處理中的詞嵌入算法和注意力機(jī)制，闡述文本分類(lèi)、自動(dòng)文本摘要和自動(dòng)問(wèn)答的相關(guān)技術(shù)，并給出自然語(yǔ)言處理在應(yīng)用領(lǐng)域的主要模型。
為了便于讀者進(jìn)一步理解和掌握深度學(xué)習(xí)的基本概念和應(yīng)用方法，本書(shū)每章都配備了多種類(lèi)型的習(xí)題和豐富的案例，讀者可以通過(guò)練習(xí)和實(shí)踐進(jìn)一步掌握深度學(xué)習(xí)的相關(guān)知識(shí)，提升應(yīng)用能力。
本書(shū)是教育部華育興業(yè)產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目（2019年第2批）的成果，由南開(kāi)大學(xué)計(jì)算機(jī)學(xué)院公共計(jì)算機(jī)基礎(chǔ)教學(xué)部的老師和研究生結(jié)合多年的教學(xué)、項(xiàng)目實(shí)踐經(jīng)驗(yàn)以及當(dāng)前理工科專(zhuān)業(yè)學(xué)生對(duì)深度學(xué)習(xí)的學(xué)習(xí)需求編寫(xiě)而成。在本書(shū)的編寫(xiě)過(guò)程中，得到了華育興業(yè)公司和機(jī)械工業(yè)出版社華章分社的大力支持，在此表示真誠(chéng)的感謝！
本書(shū)在籌備、編寫(xiě)過(guò)程中參考了國(guó)內(nèi)外深度學(xué)習(xí)及人工智能領(lǐng)域的一些開(kāi)放課程網(wǎng)站、書(shū)籍、論壇、博客、論文和開(kāi)源資料等，在此一并向作者們表示感謝。由于編者能力和時(shí)間的限制，書(shū)中難免有不妥或錯(cuò)誤之處，懇請(qǐng)同行和讀者斧正，在此表示真誠(chéng)的謝意！

作　者
2021年4月于南開(kāi)園