人工智能中的深度结构学习

以人工智能为代表的新技术正在给人们的生产和生活方式带来革命性的变化。人工智能技术试图了解智能的本质， 并产生一种新的与人类智能相似的方式做出反应的智能机器。让计算机理解现实世界中诸如图像、语音和语言等数据所蕴含的高层次抽象信息， 并加以利用， 是该领域最大的挑战之一。诸多理论和实践成果表明， 以深度神经网络为代表的“深度结构” 是解决该问题的最重要工具之一。

本书详细论述了采用深度结构的动机、原理和理论依据， 讨论了训练深度神经网络的难点， 继而详尽地介绍了自动编码器、受限玻尔兹曼机以及深度置信网络的概念和理论， 并进行了理论分析。本书是深入理解深度学习的动机和原理的经典之作。

本书可作为高等院校相关专业本科生和研究生的教学辅助读物， 对于人工智能相关人员， 科学界和业界关注机器学习特别是希望深入理解深度学习理论基础的研究者和从业者， 本书值得仔细阅读。

作者简介

尤舒亚 ． 本吉奥 (YoshuaBengio) ，加拿大蒙特利尔大学计算机科学与运筹学系教授，领导蒙特利尔学习算法研究所。 他是深度学习历史上的代表性人物之一，发表了 200 余篇论文和两部专著，是加拿大论文引用率最高的计算机科学家之一。

俞凯，上海交通大学计算机系研究员，思必驰公司首席科学家，IEEE高级会员，国家青年干人，NSFC
优青。 研究兴趣为语音语言处理、机器学习 人机交互。

吴科，上海交通大学计算机系助理研究员，ACM会员。 曾任阿里巴巴搜索研发专家，雅虎中国新闻搜索技术负责人。 研究兴趣为自然语言处理和机器学习。