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