1 引言 1
1.1 深度学习的定义与背景 2
1.2 本书的结构安排 5
2 深度学习的历史 7
3 三类深度学习网络 17
3.1 三元分类方式 18
3.2 无监督和生成式学习深度网络 19
3.3 监督学习深度网络 23
3.4 混合深度网络 25
4 深度自编码器——一种无监督学习方法 29
4.1 引言 30
4.2 利用深度自编码器来提取语音特征 30
4.3 堆叠式去噪自编码器 37
4.4 转换自编码器 37
5 预训练的深度神经网络——一种混合方法 39
5.1 受限玻尔兹曼机 40
5.2 无监督逐层预训练 43
5.3 DNN和HMM结合 45
6 深度堆叠网络及其变形——有监督学习 47
6.1 简介 48
6.2 深度堆叠网络的基本结构 49
6.3 一种学习DSN权值的方法 50
6.4 张量深度堆叠网络 51
6.5 核化深度堆叠网络 54
7 语音和音频处理中的应用 59
7.1 语音识别中声学模型的建立 60
7.2 语音合成 76
7.3 音频和音乐处理 77
8 在语言模型和自然语言处理中的相关应用 79
8.1 语言模型 80
8.2 自然语言处理 84
9 信息检索领域中的应用 93
9.1 信息检索简介 94
9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索 95
9.3 文档检索中的深度结构语义模型 95
9.4 信息检索中深度堆叠网络的应用 101
10 在目标识别和计算机视觉中的应用 103
10.1 无监督或生成特征学习 104
10.2 有监督特征学习和分类 106
11 多模态和多任务学习中的典型应用 113
11.1 多模态：文本和图像 114
11.2 多模态：语音和图像 118
11.3 在语音、自然语言处理或者图像领域的多任务学习 120
12 结论 125
附录 129
参考文献 131