本书分四部分介绍深度学习算法模型及相关应用实例。第一部分介绍在深度学习中必备的一些数学和机器学习的基础知识。第二部分介绍卷积神经网络、循环神经网络、深度强化网络等经典模型，并对每种模型从原理、结构、优化等方面进行论述。第三部分介绍深度学习中常用的优化方法及训练技巧。第四部分结合实践来介绍深度学习在计算机视觉、模式识别中的应用。本书同时兼顾理论和应用，有助于读者理解基本理论知识，并将理论知识用于实际应用。
本书既可以作为高等院校计算机及相关专业的高年级本科生和研究生教材，也可以作为对深度学习感兴趣的研究人员和工程人员的参考用书。
武玉伟，北京理工大学特别副研究员，博士生导师。博士毕业于北京理工大学。主要研究方向为计算机视觉、机器学习。在计算机科学国际重要刊物和国际顶级学术会议发表论文30余篇。博士论文获“2016年中国人工智能学会优秀博士学位论文提名奖”。
裴明涛，北京理工大学计算机学院副教授，博士生导师，主要研究方向为计算机视觉和人工智能。在IEEE TIP、IEEE TMM、PR、CVIU等重要国际刊物和ICCV、AAAI、ICME等重要国际会议上发表学术论文60余篇，获国家发明专利6项，出版学术专著一部，作为负责人主持国家自然科学基金面上项目与国家973项目子课题等10多项科研项目，获得省部级科技奖2项。
梁玮，北京理工大学计算机学院副教授，博士生导师。2005年毕业于北京理工大学计算机学院，获工学博士学位。2014—2015年在加州大学洛杉矶分校客座研究。主要研究方向为计算机视觉和智能人机交互。作为项目负责人主持国家自然科学基金两项、北京市自然科学基金一项、“973计划”子课题一项。在ICCV、IJCAI、AAAI、SIGGRAPH Asia、IEEE VR、TVCG等计算机视觉、人工智能、计算机图形学以及虚拟现实等多顶级会议上和重要期刊上发表论文40余篇。
吴心筱，北京理工大学副教授，博士生导师。2010年获得北京理工大学博士学位。主要研究方向为计算机视觉、图像视频内容理解。在IJCV、IEEE TIP、IEEE TMM等重要国际刊物和AAAI、ICCV、CVPR、ECCV等顶级国际会议上发表学术论文30余篇。负责国家自然科学基金青年和面上项目、教育部博士点基金等项目。博士论文获“2012年中国人工智能学会优秀博士学位论文”荣誉。
书单推荐
