1 引言

1.1 深度学习的定义与背景

1.2 本书的结构安排

2 深度学习的历史

3 三类深度学习网络

3.1 三元分类方式

3.2 无监督和生成式学习深度网络

3.3 监督学习深度网络

3.4 混合深度网络

4 深度自编码器——一种无监督学习方法

4.1 引言

4.2 利用深度自编码器来提取语音特征

4.3 堆叠式去噪自编码器

4.4 转换自编码器

5 预训练的深度神经网络——一种混合方法

5.1 受限玻尔兹曼机

5.2 无监督逐层预训练

5.3 DNN和HMM结合

6 深度堆叠网络及其变形——有监督学习

6.1 简介

6.2 深度堆叠网络的基本结构

6.3 一种学习DSN权值的方法

6.4 张量深度堆叠网络

6.5 核化深度堆叠网络

7 语音和音频处理中的应用

7.1 语音识别中声学模型的建立

7.2 语音合成

7.3 音频和音乐处理

8 在语言模型和自然语言处理中的相关应用

8.1 语言模型

8.2 自然语言处理

9 信息检索领域中的应用

9.1 信息检索简介

9.2 用基于深度自编码器的语义哈希方法对文档进行索引和检索

9.3 文档检索中的深度结构语义模型

9.4 信息检索中深度堆叠网络的应用

10 在目标识别和计算机视觉中的应用

10.1 无监督或生成特征学习

10.2 有监督特征学习和分类

11 多模态和多任务学习中的典型应用

11.1 多模态：文本和图像

11.2 多模态：语音和图像

11.3 在语音、自然语言处理或者图像领域的多任务学习

12 结论

附录

参考文献