隨著深度學習技術的興起及其在阿爾法圍棋程序（AlphaGo）等實際應用中的精彩表現(xiàn)，人工智能（artificial intelligence，AI）再次進入公眾的視野，AI迅速成為流行詞匯，而深度學習也因此成為AI的代名詞，為許多專業(yè)及非專業(yè)人士所關注，希望了解這項看似神奇的技術。對此，要在機器學習與人工神經(jīng)網(wǎng)絡這兩大人工智能實現(xiàn)途徑的大背景下來學習和研究“深度學習”�？梢哉f，人工神經(jīng)網(wǎng)絡是深度學習之母，機器學習是深度學習之父。待有了機器學習與人工神經(jīng)網(wǎng)絡的基礎后，再探索深度學習的理論與方法，方能建構起穩(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。事實上，深度學習只是機器學習與人工神經(jīng)網(wǎng)絡中的一小部分，而除了機器學習與人工神經(jīng)網(wǎng)絡，人工智能還有符號智能、進化計算、計算群智能和行為智能。唯有知曉人工智能之全豹，才可能洞見深度學習這一斑。這自然并非易事，因為人工智能作為人類“認識自身（knowyourself）”的學問，其困難程度本身即不亞于上九天攬月、下深海擒龍。以深度學習為代表，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習和研究的人應有清醒的認識和足夠的敬畏，如此才能在人類實現(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識，在人工智能總體知識的大背景下，從算法實現(xiàn)的角度，探討當前機器學習與人工神經(jīng)網(wǎng)絡領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識下，說明機器學習與人工神經(jīng)網(wǎng)絡問題，分別介紹這兩項技術的發(fā)展簡史，為全書內(nèi)容奠基。
　　第2章為機器學習基礎知識，定義機器學習問題，總結歸納學習的主要類型和常見的特定學習概念，分析機器學習算法應解決的主要問題。
　　第3章至第8章分別圍繞監(jiān)督學習、非監(jiān)督學習、半監(jiān)督學習、強化學習這四種歸納學習類型，探討相應的解決方案。在監(jiān)督學習中，該學習方式目前本質上是函數(shù)學習，按數(shù)據(jù)點函數(shù)表示形式、離散函數(shù)形式、連續(xù)函數(shù)形式、隨機函數(shù)形式四種，圍繞優(yōu)化目標與優(yōu)化算法這兩個關鍵問題的解決來進行闡述。在非監(jiān)督學習中，探討了學習數(shù)據(jù)分布規(guī)律的聚類問題及其算法，以及學習數(shù)據(jù)之間相互關系的關聯(lián)規(guī)則挖掘問題及其算法，并專門闡述了作為非監(jiān)督學習基礎的相似性計算問題及其解決方法。在半監(jiān)督學習中，分為面向監(jiān)督任務的半監(jiān)督學習與面向非監(jiān)督任務的半監(jiān)督學習兩類問題，分別介紹了相應算法。在強化學習中，圍繞學習最優(yōu)行動策略的根本目標，按照策略、V值、Q值這三個關鍵因素之間的相互關系，闡述了主要的強化學習算法，包括強化學習與深度網(wǎng)絡相結合所導致的深度強化學習算法。
　　第9章為人工神經(jīng)網(wǎng)絡基礎知識，介紹人工神經(jīng)網(wǎng)絡的源起與定義，說明作為神經(jīng)網(wǎng)絡基本構成元素的人工神經(jīng)元模型，闡述網(wǎng)絡結構與學習算法這兩個人工神經(jīng)網(wǎng)絡技術中的根本問題。
　　第10章和第1 1章分別從前饋網(wǎng)絡結構和反饋網(wǎng)絡結構出發(fā)，闡述包括深度網(wǎng)絡在內(nèi)的各種網(wǎng)絡結構模型以及建構在模型之上的學習算法。在前饋網(wǎng)絡中，主要從感知器到多層感知器再到深度網(wǎng)絡的發(fā)展脈絡，探討感知器、Adaline網(wǎng)絡、反向傳播（BP）網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、全卷積網(wǎng)絡、U型網(wǎng)絡、殘差網(wǎng)絡、深度信念網(wǎng)絡與自編碼器網(wǎng)絡。此外，還分析了與此技術路線不同的另外兩種前饋網(wǎng)絡：徑向基函數(shù)網(wǎng)絡與自組織映射網(wǎng)。在反饋網(wǎng)絡中，將主要模型總結為穩(wěn)定型反饋網(wǎng)絡與時序型反饋網(wǎng)絡兩類。在此基礎上，闡述霍普費爾德網(wǎng)絡與玻爾茲曼機這兩種穩(wěn)定型反饋網(wǎng)絡，以及喬丹網(wǎng)絡、艾爾曼網(wǎng)絡、長短時記憶（LSTM）網(wǎng)絡、雙向反饋（BRNN）網(wǎng)絡等時序型反饋網(wǎng)絡。
　　第12章為結語，總結全書內(nèi)容，給出對未來問題與技術的展望，包括小樣本學習、相似度計算、網(wǎng)絡結構學習、網(wǎng)絡可視化以及傳統(tǒng)方法與神經(jīng)網(wǎng)絡的合流。
　　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；另一種心態(tài)是做全面獨立的思考，有著作的性質。這兩種心態(tài)是需要互補的，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。