前  言

自古以来，人类文明的发展始终伴随着对智能化的不懈追求。早期的人类通过总结经验、发现规律来改善工具，提升生产、生活的智能化水平。人类社会进入工业化时代以后，随着科学技术的发展和相关知识的演进，工具的智能化水平得到快速提升。近年来，随着计算机、互联网等的兴起，人类社会步入大数据时代。当前，智能化相关的研究成果呈井喷式爆发。与此同时，新的生活和生产环境又对智能化技术的演进提出了更高的要求。习近平总书记在党的二十大报告中强调，要加强科技基础能力建设，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术等一批新的增长引擎。

深度学习相关技术逐渐成为目前工业界和学术界探索和研究的重点，并且越来越多的相关算法在实际应用中取得了广泛的成功。这些算法的成功和发展离不开相关研究者对深度学习相关理论的探索。目前的深度学习算法依然存在黑盒属性、需要大量训练样本、可解释性差、调参困难、算法模型规模大、学习时效低等不足，并且和人类本身的学习方式及智能化水平相比，仍有着巨大的发展空间。这些也要求我们深入理解当前深度学习的相关算法理论，针对其特性和缺点不断加以改进提升。

本书的写作目的是将深度学习的相关算法理论和应用实践深入浅出地介绍给读者，力求使大学本科低年级学生能够理解和掌握相关内容。本书一共包含11章。第1章绪论，简要介绍人工智能、机器学习、深度学习的基本概念、发展历程和一些典型的应用实例。第2和第3章，基于回归和基础分类两个基本模型介绍机器学习的基础知识，为后续深度学习相关内容提供知识基础。第4和第5章是深度学习的理论基础章节，阐述人工神经网络基础，学习模型的训练和优化算法改进方法，以及模型的相关效果评估和具体实现方式。第6和第7章是深度学习理论在图像数据和序列数据处理上的应用和发展，分别介绍卷积神经网络及其经典模型、循环神经网络及其经典模型。第8章是深度学习理论在自然语言处理问题上的拓展和应用，重点阐述注意力机制及其经典模型，并探讨模型在自然语言处理中的算法演进。第9章是深度学习理论在网络图数据处理问题上的拓展和应用，重点阐述基于谱域和空间域的各类图神经网络模型。第10章探讨针对无监督特征学习问题的传统机器学习算法和相关深度学习模型。第11章介绍强化学习的相关理论和经典模型。

本书由主编曹文明负责整体编写和质量把控；王浩负责章节规划以及第3章到第8章的编写；全智负责第1章和第2章的编写；何志权负责第9章的编写；温阳负责第10章和第11章的编写。此外，感谢广东省多媒体信息服务工程技术中心全体人员的帮助，感谢张婉莹、钟建奇、刘启凡、闫志越、宋晓宝、陈作胜、刘伊善、张汝君、蓝旭佳、熊敏等在材料收集、校稿等方面的建议和帮助。

因作者能力有限，书中难免有不当之处，还望读者海涵和指正。

本书提供教学课件、教学大纲、电子教案和教学视频，读者可扫下列二维码获取学习。

教学课件 教学大纲 电子教案 教学视频

曹文明  王浩  全智  何志权  温阳

于深圳大学

2023年8月