隨著深度學(xué)習(xí)技術(shù)的興起及其在阿爾法圍棋程序（AlphaGo）等實(shí)際應(yīng)用中的精彩表現(xiàn)，人工智能（artificial intelligence，AI）再次進(jìn)入公眾的視野，AI迅速成為流行詞匯，而深度學(xué)習(xí)也因此成為AI的代名詞，為許多專業(yè)及非專業(yè)人士所關(guān)注，希望了解這項(xiàng)看似神奇的技術(shù)。對此，要在機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)這兩大人工智能實(shí)現(xiàn)途徑的大背景下來學(xué)習(xí)和研究“深度學(xué)習(xí)”。可以說，人工神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)之母，機(jī)器學(xué)習(xí)是深度學(xué)習(xí)之父。待有了機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)后，再探索深度學(xué)習(xí)的理論與方法，方能建構(gòu)起穩(wěn)固的知識體系，否則終將是沒有地基的棚屋，搖搖欲墜，一遇到深層次的問題，便會土崩瓦解。事實(shí)上，深度學(xué)習(xí)只是機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)中的一小部分，而除了機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)，人工智能還有符號智能、進(jìn)化計算、計算群智能和行為智能。唯有知曉人工智能之全豹，才可能洞見深度學(xué)習(xí)這一斑。這自然并非易事，因?yàn)槿斯ぶ悄茏鳛槿祟悺罢J(rèn)識自身（knowyourself）”的學(xué)問，其困難程度本身即不亞于上九天攬月、下深海擒龍。以深度學(xué)習(xí)為代表，人類已在探索人工智能的道路上取得諸多輝煌的成就，但即便如此，我們現(xiàn)在仍然處在人工智能發(fā)展的嬰兒期，對于人類智能的本質(zhì)知之甚少，對于其外在表現(xiàn)也還不過初窺堂奧，未來還有很長很長的路要走。對此，真正有志于人工智能學(xué)習(xí)和研究的人應(yīng)有清醒的認(rèn)識和足夠的敬畏，如此才能在人類實(shí)現(xiàn)人工智能的偉大事業(yè)中保持激情。
　　本書正是基于上述認(rèn)識，在人工智能總體知識的大背景下，從算法實(shí)現(xiàn)的角度，探討當(dāng)前機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域中的主要問題與解決方案，希冀針對這兩個人工智能中緊密聯(lián)系的分支建構(gòu)起系統(tǒng)完整的知識體系。全書內(nèi)容分為12章：
　　第1章為緒論，在對人工智能的總認(rèn)識下，說明機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)問題，分別介紹這兩項(xiàng)技術(shù)的發(fā)展簡史，為全書內(nèi)容奠基。
　　第2章為機(jī)器學(xué)習(xí)基礎(chǔ)知識，定義機(jī)器學(xué)習(xí)問題，總結(jié)歸納學(xué)習(xí)的主要類型和常見的特定學(xué)習(xí)概念，分析機(jī)器學(xué)習(xí)算法應(yīng)解決的主要問題。
　　第3章至第8章分別圍繞監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這四種歸納學(xué)習(xí)類型，探討相應(yīng)的解決方案。在監(jiān)督學(xué)習(xí)中，該學(xué)習(xí)方式目前本質(zhì)上是函數(shù)學(xué)習(xí)，按數(shù)據(jù)點(diǎn)函數(shù)表示形式、離散函數(shù)形式、連續(xù)函數(shù)形式、隨機(jī)函數(shù)形式四種，圍繞優(yōu)化目標(biāo)與優(yōu)化算法這兩個關(guān)鍵問題的解決來進(jìn)行闡述。在非監(jiān)督學(xué)習(xí)中，探討了學(xué)習(xí)數(shù)據(jù)分布規(guī)律的聚類問題及其算法，以及學(xué)習(xí)數(shù)據(jù)之間相互關(guān)系的關(guān)聯(lián)規(guī)則挖掘問題及其算法，并專門闡述了作為非監(jiān)督學(xué)習(xí)基礎(chǔ)的相似性計算問題及其解決方法。在半監(jiān)督學(xué)習(xí)中，分為面向監(jiān)督任務(wù)的半監(jiān)督學(xué)習(xí)與面向非監(jiān)督任務(wù)的半監(jiān)督學(xué)習(xí)兩類問題，分別介紹了相應(yīng)算法。在強(qiáng)化學(xué)習(xí)中，圍繞學(xué)習(xí)最優(yōu)行動策略的根本目標(biāo)，按照策略、V值、Q值這三個關(guān)鍵因素之間的相互關(guān)系，闡述了主要的強(qiáng)化學(xué)習(xí)算法，包括強(qiáng)化學(xué)習(xí)與深度網(wǎng)絡(luò)相結(jié)合所導(dǎo)致的深度強(qiáng)化學(xué)習(xí)算法。
　　第9章為人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識，介紹人工神經(jīng)網(wǎng)絡(luò)的源起與定義，說明作為神經(jīng)網(wǎng)絡(luò)基本構(gòu)成元素的人工神經(jīng)元模型，闡述網(wǎng)絡(luò)結(jié)構(gòu)與學(xué)習(xí)算法這兩個人工神經(jīng)網(wǎng)絡(luò)技術(shù)中的根本問題。
　　第10章和第1 1章分別從前饋網(wǎng)絡(luò)結(jié)構(gòu)和反饋網(wǎng)絡(luò)結(jié)構(gòu)出發(fā)，闡述包括深度網(wǎng)絡(luò)在內(nèi)的各種網(wǎng)絡(luò)結(jié)構(gòu)模型以及建構(gòu)在模型之上的學(xué)習(xí)算法。在前饋網(wǎng)絡(luò)中，主要從感知器到多層感知器再到深度網(wǎng)絡(luò)的發(fā)展脈絡(luò)，探討感知器、Adaline網(wǎng)絡(luò)、反向傳播（BP）網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、全卷積網(wǎng)絡(luò)、U型網(wǎng)絡(luò)、殘差網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)與自編碼器網(wǎng)絡(luò)。此外，還分析了與此技術(shù)路線不同的另外兩種前饋網(wǎng)絡(luò)：徑向基函數(shù)網(wǎng)絡(luò)與自組織映射網(wǎng)。在反饋網(wǎng)絡(luò)中，將主要模型總結(jié)為穩(wěn)定型反饋網(wǎng)絡(luò)與時序型反饋網(wǎng)絡(luò)兩類。在此基礎(chǔ)上，闡述霍普費(fèi)爾德網(wǎng)絡(luò)與玻爾茲曼機(jī)這兩種穩(wěn)定型反饋網(wǎng)絡(luò)，以及喬丹網(wǎng)絡(luò)、艾爾曼網(wǎng)絡(luò)、長短時記憶（LSTM）網(wǎng)絡(luò)、雙向反饋（BRNN）網(wǎng)絡(luò)等時序型反饋網(wǎng)絡(luò)。
　　第12章為結(jié)語，總結(jié)全書內(nèi)容，給出對未來問題與技術(shù)的展望，包括小樣本學(xué)習(xí)、相似度計算、網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)、網(wǎng)絡(luò)可視化以及傳統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)的合流。
　　本書是以一種近乎矛盾的心態(tài)寫成的。一種心態(tài)是做知識的整理，有教材的性質(zhì)；另一種心態(tài)是做全面獨(dú)立的思考，有著作的性質(zhì)。這兩種心態(tài)是需要互補(bǔ)的，沒有有序的整理便沒有有益的思考，沒有有益的思考也就沒有有序的整理。因此，請讀者帶著這種矛盾的心態(tài)閱讀本書，或許能因此有更多的收獲。