深度学习的理论基础与核心算法

本书旨在给出深度学习的理论基础和核心算法的主要内容，从而有利于读者和研究者系统的掌握理论结构和脉络。全书在理论方面，兼顾人工智能数学基础知识与领域最新原创基础理论，为推动下一代人工智能、下一代深度学习的发展提供坚实的理论支撑；面向关键核心技术，以核心算法为驱动，抽取出最关键普适的技术思想，提炼简洁可复用的知识模型，提出更有力的新方法，为发展更有力的新方法提供“源头活水”。

本书聚焦深度学习算法的基础理论和核心算法，全面系统地论述深度学习的基础理论，兼顾人工智能数学基础知识与领域**原创基础理论，构建脉络清晰的人工智能理论体系。本书首先介绍了深度学习的相关数学基础，主要包括线性代数、概率论、信息论三部分；紧接着系统地介绍了深度学习的重点内容，主要分为五方面，即深度学习的逼近理论，深度学习的表征理论，深度学习的学习理论，深度学习的优化理论，深度学习的核心算法。

焦李成，欧洲科学院外籍院士，俄罗斯自然科学院外籍院士，IEEE Fellow。现任西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解重点*实验室主任、科技委学部委员、人工智能科技创新专家组专家、首批入选国家百千万人才工程（第一二层次）、长江学者计划创新团队负责人、“一带一路”人工智能创新联盟理事长，陕西省人工智能产业技术创新战略联盟理事长，中国人工智能学会第六-七届副理事长，IEEE/IET/CAAI/CAA/CIE/CCF Fellow，连续七年入选爱思唯尔高被引学者榜单。主要研究方向为智能感知与量子计算、图像理解与目标识别、深度学习与类脑计算。曾获国家自然科学奖二等奖、吴文俊人工智能杰出贡献奖、霍英东青年教师奖、全国模范教师称号、中国青年科技奖、及省部级一等奖以上科技奖励十余项。