本书共8章。第1-2章主要介绍了深度学习的相关概念、发展简史、主要进展, 以及典型的深度学习平台 (MATLAB和TensorFlow) 、数据增广技术和相关数学基础 ; 第3-5章阐述了深度学习的典型网络模型, 包括卷积神经网络、循环神经网络、自编码器、生成对抗网络及深度Q-学习等模型, 重点介绍了这些模型背后的数学原理 ; 第6章重点介绍了胶囊网络与流形学习 ; 第7章介绍了玻尔兹曼机及其变体, 包括受限玻尔兹曼机、深度玻尔兹曼机及概率图模型 ; 第8章介绍了迁移学习、孪生网络、集成学习及深度学习方面的重要工作。