武玉偉，北京理工大學特別副研究員，博士生導師。博士畢業於北京理工大學。主要研究方向為計算機視覺、機器學習。在計算機科學國際重要刊物和國際學術會議發表論文30餘篇。博士論文獲“2016年中國人工智能學會優秀博士學位論文提名獎”。

裴明濤，北京理工大學計算機學院副教授，博士生導師，主要研究方向為計算機視覺和人工智能。在IEEE TIP、IEEE TMM、PR、CVIU等重要國際刊物和ICCV、AAAI、ICME等重要國際會議上發表學術論文60餘篇，獲國家發明專利6項，出版學術專著一部，作為負責人主持國家自然科學基金面上項目與國家973項目子課題等10多項科研項目，獲得省部級科技獎2項。

梁瑋，北京理工大學計算機學院副教授，博士生導師。2005年畢業於北京理工大學計算機學院，獲工學博士學位。2014—2015年在加州大學洛杉磯分校客座研究。主要研究方向為計算機視覺和智能人機交互。作為項目負責人主持國家自然科學基金兩項、北京市自然科學基金一項、“973計劃”子課題一項。在ICCV、IJCAI、AAAI、SIGGRAPH Asia、IEEE VR、TVCG等計算機視覺、人工智能、計算機圖形學以及虛擬現實等多會議上和重要期刊上發表論文40餘篇。

吳心筱，北京理工大學副教授，博士生導師。2010年獲得北京理工大學博士學位。主要研究方向為計算機視覺、圖像視頻內容理解。在IJCV、IEEE TIP、IEEE TMM等重要國際刊物和AAAI、ICCV、CVPR、ECCV等國際會議上發表學術論文30餘篇。負責國家自然科學基金青年和面上項目、*博士點基金等項目。博士論文獲“2012年中國人工智能學會優秀博士學位論文”榮譽。

第1章 緒論
1．1 人工智能
1．1．1 什麼是人工智能
1．1．2 人工智能的實現途徑
1．1．3 人工智能發展簡史
1．2 深度學習
1．2．1 深度學習發展簡史
1．2．2 深度學習的主要應用

第2章 基礎知識
2．1 線性代數
2．1．1 線性代數基礎
2．1．2 矩陣的秩及矩陣運算
2．1．3 常見特殊矩陣
2．1．4 範數
2．1．5 特征分解
2．1．6 奇異值分解
2．2 概率論
2．2．1 隨機變量
2．2．2 概率分布
2．2．3 隨機變量的數字特征
2．2．4 貝葉斯定理
2．2．5 常用概率分布
2．3 化方法
2．3．1 梯度下降法
2．3．2 牛頓法
2．3．3 擬牛頓法
2．4 機器學習
2．4．1 基本概念
2．4．2 似然估計
2．4．3 機器學習的三要素
2．4．4 過擬合與欠擬合
2．4．5 學習方式
2．4．6 評估方法
2．4．7 性能度量
2．5 神經網絡
2．5．1模型
2．5．2 單層感知器
2．5．3 多層感知器

第3章 深度卷積神經網絡
3．1 卷積層和卷積運算
3．1．1 生物機理
3．1．2 卷積運算
3．2 池化層和池化運算
3．3 AlexNet卷積神經網絡
3．3．1 AlexNet的提出背景
3．3．2 AlexNet的網絡結構
3．3．3 AlexNet的訓練細節
3．3．4 AlexNet在分類任務上的表現
3．4 VGG網絡
3．4．1 VGG網絡的提出背景
3．4．2 VGG網絡的結構配置
3．4．3 VGG網絡的訓練細節
3．4．4 VGG網絡在分類任務上的表現
3．5 ResNet卷積神經網絡
3．5．1 ResNet的提出背景
3．5．2 ResNet的網絡結構
3．5．3 ResNet的訓練細節
3．5．4 ResNet在分類任務上的表現

第4章 深度循環神經網絡
4．1 簡單循環網絡
4．1．1 簡單循環網絡的前向傳播過程
4．1．2 簡單循環潮絡的訓練過程
4．1．3 單循環網絡的長期依賴問題
4．2 長短期記憶網絡
4．2．1 門機制
4．2．2 長短期記憶網絡的前向傳播過
4．2．3 長短期記憶網絡的訓練過程
4．2．4 長短期記憶網絡的變體
4．3 神經圖靈機
4．3．1 網絡結構
4．3．2 尋址方式
4．3．3 控制器網絡
4．3．4 小結
4．4 雙向循環網絡和多層循環網絡
4．4．1 雙向循環網絡
4．4．2 多層循環網絡

第5章 深度生成模型
5．1 變分自編碼器
5．1．1 預備知識
5．1．2 解碼器網絡
5．1．3 編碼器網絡
5．1．4 總體模型
5．1．5 訓練過程
5．2 生成對抗網絡
5．2．1 基本思想
5．2．2 理論推導
5．2．3 訓練過程
5．2．4 生成對抗網絡的變體

第6章 深度強化學習
6．1 強化學習定義
6．1．1 目標函數
6．1．2 值函數
6．1．3 Q函數
6．2 強化學習求解方法
6．2．1 動態規劃法
6．2．2 蒙特卡羅法
6．2．3 時序差分學習法
6．3 深度Q網絡
6．4 策略梯度法
……

第7章 深度學習中的優化方法
第8章 深度學習中的訓練技巧
第9章 開源框架
第10章 深度學習在目標檢測中的應用
第11章 深度學習在目標跟蹤中的應用
第12章 深度學習在動作識別中的應用

參考文獻