深度学习架构的发展与分析

本书介绍了一系列深度学习领域的算法及其应用，详细介绍了基于大数据分析的多种学习机制，及其在传感器设计、医疗健康、自动驾驶、工业控制、自然语言处理以及无线通信等多个领域的成功应用。本书从基础理论及其多个不同的应用背景出发，到模型算法设计以及具体应用实现，通过多个实际案例展示了深度学习最新的研究及应用成果。

东南大学仪器科学与技术专业获得博士学位， 研究方向为深度学习算法及其在机电设备健康管理与故障诊断中的应用；后在美国加州大学尔湾分校计算机信息系进修国家公派联合培养博士研究生，研究方向为深度学习理论及应用研究，现为中国人民解放军空军工程大学防空反导学院讲师。

1.前言

2.直接误差驱动的学习机制解决大数据任务的分类问题

3.针对软传感器设计的深度学习

4.案例研究：医疗健康应用中的深度卷积神经网络

5.深度域适应回归

6.基于深度学习的自动驾驶行人检测：成就与未来挑战

7.说话人识别中的深度学习

8.婴儿啼哭检测：深度学习和经典方法

9.基于卷积神经网络的工业控制系统保护：防错误数据注入攻击

10.无线通信中的深度学习

11.基于深度学习的极端主义文本识别