深度学习（上）

　　《深度学习（上）》对所有主要的深度学习方法和*新研究趋势进行了深入探索。《深度学习（上）》分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。《深度学习（上）》特别注重学术前沿，对包括胶囊网络在内的当前*新成果进行了细致的讨论。《深度学习（上）》构建了一套明晰的深度学习体系，同时各章内容相对独立，并有辅助网站（http：//deeplearningresource.com）在线提供大量论文、代码、数据集和彩图等学习资源供读者边实践边学习。

暂缺《深度学习（上）》作者简介

暂缺《深度学习（上）》目录