深度學習：方法及應用 深度学习:方法及应用

<內容介紹> 

鄧力、俞棟所著的《深度學習方法及應用/大數據叢書》對深度學習方法以及它在各種信號與信息處理任務中的應用進行了闡述。書中所列舉的應用是根據以下三個標準來選取的：ロ本書作者所具備的專業技能和知識；ヮ由於深度學習技術的成功應用而取得了重大突破的領域，比如語音識別和電腦視覺等；ワ由於深度學習的應用而有可能發生巨變的應用領域，以及從深度學習的最新研究中獲益的應用領域，其中包括自然語言和文本處理、信息檢索和多任務深度學習驅動下的多模態信息處理等。
    本書適用於對深度學習方法以及它在各種信號信息處理應用方面具有濃厚興趣的學生與研究人員。

<章節目錄>
譯者序
原書序
1  引言
  1.1  深度學習的定義與背景
  1.2  本書的結構安排
2  深度學習的歷史
3  三類深度學習網絡
  3.1  三元分類方式
  3.2  無監督和生成式學習深度網絡
  3.3  監督學習深度網絡
  3.4  混合深度網絡
4  深度自編碼器——一種無監督學習方法
  4.1  引言
  4.2  利用深度自編碼器來提取語音特徵
  4.3  堆疊式去噪自編碼器
  4.4  轉換自編碼器
5  預訓練的深度神經網絡——一種混合方法
  5.1  受限玻爾茲曼機
  5.2  無監督逐層預訓練
  5.3  DNN和HMM結合
6  深度堆疊網絡及其變形——有監督學習
  6.1  簡介
  6.2  深度堆疊網絡的基本結構
  6.3  一種學習DSN權值的方法
  6.4  張量深度堆疊網絡
  6.5  核化深度堆疊網絡
7  語音和音頻處理中的應用
  7.1  語音識別中聲學模型的建立
  7.2  語音合成
  7.3  音頻和音樂處理
8  在語言模型和自然語言處理中的相關應用
  8.1  語言模型
  8.2  自然語言處理
9  信息檢索領域中的應用
  9.1  信息檢索簡介
  9.2  用基於深度自編碼器的語義哈希方法對文檔進行索引和檢索
  9.3  文檔檢索中的深度結構語義模型
  9.4  信息檢索中深度堆疊網絡的應用
10  在目標識別和電腦視覺中的應用
  10.1  無監督或生成特徵學習
  10.2  有監督特徵學習和分類
11  多模態和多任務學習中的典型應用
  11.1  多模態：文本和圖像
  11.2  多模態：語音和圖像
  11.3  在語音、自然語言處理或者圖像領域的多任務學習
12  結論
附錄
參考文獻