神经网络与深度学习（微课视频版）

　　本书从两大部分阐述了神经网络与深度学习的基本理论：一是神经网络；二是深度学习。系统地整理了神经网络与深度学习的知识体系，由浅入深地进行了详细讲解。全书共13章，第1章介绍神经网络的概念、发展历史、研究内容、应用领域以及神经网络与深度学习的关系。其后12章的内容分为两大部分： 部分（第2～7章）阐述了6种典型的神经网络模型，即M-P模型、感知机模型、BP神经网络、Hopfield神经网络、玻耳兹曼机、自组织神经网络等。第二部分（第8～13章）阐述了深度学习的6种经典模型，即深度神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式对抗网络、图神经网络等。详细介绍了它们的网络结构、学习算法、工作原理、应用实例及操作实践，使学生在全面掌握神经网络与深度学习相关知识的同时，提高动手能力，并提高应用神经网络与深度学习技术来解决实际问题的能力。每章后面附有习题，以供读者练习。本书还增加了课程思政的内容，在介绍各种神经网络与深度学习模型的基本原理、具体应用场景以及实践运用的同时，引导学生明晰技术前沿发展，明确领域社会价值，树立远大职业理想，深刻认识个人专业对 发展和社会建设以及历史进程的推动影响。培养学生精益求精的工匠精神、刻苦钻研的探索精神和团队协作的共赢精神，永不停顿地对未知领域进行探究，不仅有助于促进个人发展 有助于推动社会形成强大而持久的生产力和创造力。本书可作为计算机科学与技术、智能科学与技术、人工智能、数据科学与大数据技术、自动化、机器人工程等专业的教材，也可供相关领域的研究人员和工程技术人员参考。

暂缺《神经网络与深度学习（微课视频版）》作者简介

第1章 绪论
1.1 神经网络的概念
1.2 神经网络的发展历史
1.2.1 启蒙时期
1.2.2 萧条时期
1.2.3 复兴时期
1.2.4 高潮时期
1.3 神经网络的研究内容
1.3.1 神经元模型
1.3.2 神经网络的结构
1.3.3 神经网络与深度学习的学习算法
1.4 神经网络的应用领域
1.4.1 自然语言处理
1.4.2 系统
1.4.3 医学领域
1.4.4 网络空间安全
1.4.5 控制领域
1.4.6 交通领域
1.4.7 心理学领域
1.5 神经网络与深度学习的关系
1.6 习题
第2章 神经网络基础
2.1 生物神经系统
2.1.1 生物神经元的结构
2.1.2 生物神经元的功能
2.1.3 生物神经元和人工神经元的区别
2.2 人工神经元模型
2.2.1 人工神经元的结构
2.2.2 激活函数
2.2.3 其他常用激活函数
2.3 M-P神经元模型
2.3.1 基础M-P神经元模型
2.3.2 延时M-P模型
2.3.3 改进的M-P模型
2.4 神经网络的互连结构
2.5 神经网络的学习
2.5.1 神经网络的学习方式
2.5.2 神经网络的学习规则
2.6 本章实践
2.7 习题
第3章 感知机
3.1 感知机原理
3.1.1 单层感知机
3.1.2 多层感知机
3.2 感知机模型
3.3 感知机算法
3.3.1 随机梯度下降法
3.3.2 感知机学习算法
3.4 感知机改进算法
3.5 本章实践