深度学习与信号处理: 原理与实践

本书分析研究了深度学习相关的网络模型，以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原理与方法。通过深度学习网络在信道盲均衡、目标识别、图像分类和运动模糊去除、特征提取与识别、缺陷早期诊断等领域中的应用案例，为读者提供应用深度学习网络解决具体问题的思路和方法。本书适合人工智能、计算机、自动化、电子与通信、大数据科学等相关学科专业的科学研究人员和工程技术人员阅读，也可作为相关专业博士、硕士研究生的参考书。
【推荐语】
本书系统地分析与提炼了深度学习的知识体系结构，按原理、框架、方法和应用的顺序组织内容，并以提高用深度学习原理来解决实际问题的能力为目标，集基础性、系统性、延展性、实践性等特于一体。（1）基础性：从问题导着手，对每种深度学习网络的基本结构，行深剖析，以帮助读者体会其中的细节，带领读者步深度学习网络的内核世界。（2）系统性：所涉及各种深度学习网络起始于原理剖析、侧重于方法论述、扎根于信号处理领域，内容结构系统。（3）延展性：按深度学习网络“基本模型结构原理、阶模型结构原理及应用模型结构原理”的顺序递延伸，扩大了其在信号处理领域的应用范围。（4）实践性：以*新应用成果为依托，从问题引、原理分析、模型建立、仿真实验及结果讨论等方面，详细分析实战案例，有助于读者自行实践。以上特有助于为研究人员提供新思路和新方法。
【作者】
郭业才，男，教授，博导。2003年获西北工业大学水声工程专业博士学位，全国优秀百篇博士学位论文获得者，安徽省学术与技术带头人，江苏省“六大人才高峰”培养对象，江苏省高校“信息与通信工程”优势建设项目方向带头人。主持完成或承担了全国优秀博士学位论文作者专项资金、国家自然科学基金等科研项目和、省级教学研究项目等，共20余项；获省级科学技术成果奖和教学成果奖9项；出版规划教材1部、电子信息类教指委规划教材5部及省重教材2部；获授权发明专利30余件；指导的研究生有5人获省级优秀硕士学位论文奖。