当代机器深度学习方法与应用研究PDF电子书下载

1 引言 1

1.1 机器学习发展简史 1

1.2 深度学习的定义 3

1.3 深度学习的应用领域 5

1.4 深度学习的成果 6

2 大数据机器学习系统 8

2.1 大数据机器学习系统研究背景 8

2.2 大数据机器学习研究现状 11

2.3 大数据机器学习系统的技术特征及主要研究问题 14

2.4 大数据机器学习相关技术 18

2.5 大数据机器学习平台总体架构 33

3 深度学习方法研究 39

3.1 深度学习方法的发展史 39

3.2 三类深度学习网络 45

3.3 深度自编码器 52

3.4 深度堆叠网络及其变形 55

3.5 预训练的深度神经网络 63

4 深度学习技术的应用研究 69

4.1 语音和音频处理中的应用 69

4.2 在语言模型和自然语言处理中的相关应用 84

4.3 信息检索领域中的应用 94

4.4 在目标识别和计算机视觉中的应用 101

4.5 多模态和多任务学习中的典型应用 108

5 深度学习软件仿真平台及开发环境 117

5.1 Caffe平台 117

5.2 TensorFlow平台 121

5.3 MXNet平台 124

5.4 Torch 7平台 129

5.5 Theano平台 133

6 大数据巨量分析与机器学习的应用领域 138

6.1 互联网领域 139

6.2 商业领域 145

6.3 工业领域 150

6.4 农业信息化建设领域 154

6.5 医疗行业 159

6.6 城市规划与建筑工程 165

6.7 其他研究领域 168

7 国内外深度学习技术研发现状及其产业化趋势 172

7.1 深度强化学习：从AlphaGo背后力量到学习资源分享 172

7.2 Google在深度学习领域的研发现状 177

7.3 Facebook在深度学习领域的研发现状 178

7.4 百度在深度学习领域的研发现状 179

7.5 阿里巴巴在深度学习领域的研发现状 181

7.6 京东在深度学习领域的研发现状 182

7.7 腾讯在深度学习领域的研发现状 182

7.8 科创型公司（基于深度学习的人脸识别系统） 183

7.9 深度学习的硬件支撑——NVIDIA GPU 183

8 机器学习的哲学探索 185

8.1 机器学习哲学前沿科学基础 186

8.2 机器学习的可能实现途径分析 204

8.3 机器学习算法及其知识发现功能 222

9 总结与展望 245

9.1 深度学习发展历史图 245

9.2 深度学习的应用介绍 249

9.3 深度神经网络的可塑性 252

9.4 基于脑启发式的深度学习前沿方向 254

附录 258

参考文献 263