深度学习神经网络设计及案例研究/(美)Daniel Graupe, 周志杰

本书主要对深度学习神经网络模型的设计与应用进行研究。首先对深度学习神经网络理论的发展历史、基本概念进行回顾。然后对深度学习神经网络衍生出的反向传播神经网络、卷积神经网络、大内存存储与检索神经网络进行深入分析。通过20个实际应用案例, 对不同结构深度学习神经网络的优缺点进行比较, 总结这些神经网络在不同领域的应用优势。最后给出所有应用案例的核心代码, 方便读者在这些代码的基础上, 完成相应深度学习神经网络模型的设计和重构。