本节书摘来自华章出版社《深度学习导论及案例分析》一书中的第1章，第1.1节，作者李玉鑑 张婷，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
PART1
第一部分
基 础 理 论
本书第一部分主要探讨深度学习的基础理论。深度学习起源于神经网络，其本质是一系列深层网络模型的学习和训练算法。本部分涵盖了深度学习的主要内容，有助于读者在总体上把握深度学习的发展脉络和体系结构，是开展进一步相关工作的基础。
这部分共包括13章。第1章勾画深度学习的起源和发展、特点和优势、模型和算法。第2章介绍预备知识，读者可跳过熟悉的部分，但建议认真学习概率图模型、玻耳兹曼机和通用反向传播算法等难点内容，因为这些内容是理解许多深度学习模型和算法的基础。第3～11章，依次介绍深度学习的9种重要模型，包括受限玻耳兹曼机、自编码器、深层信念网络、深层玻耳兹曼机、和积网络、卷积神经网络、深层堆叠网络、循环神经网络、长短时记忆网络，而且对于其中的每一个模型，都从标准模型、学习算法和变种模型三个方面进行介绍。第12章讨论深度学习的若干混合模型、多种多样的应用以及常用的开源库。第13章总结深度学习的研究现状，明确存在的问题，并指出其未来的发展方向。
