當代機器深度學習方法與應用研究

1 引言
1．1 機器學習發(fā)展簡史
1．2 深度學習的定義
1．3 深度學習的應用領域
1．4 深度學習的成果
2 大數據機器學習系統(tǒng)
2．1 大數據機器學習系統(tǒng)研究背景
2．2 大數據機器學習研究現狀
2．3 大數據機器學習系統(tǒng)的技術特征及主要研究問題
2．4 大數據機器學習相關技術
2．5 大數據機器學習平臺總體架構
3 深度學習方法研究
3．1 深度學習方法的發(fā)展史
3．2 三類深度學習網絡
3．3 深度自編碼器
3．4．深度堆疊網絡及其變形
3．5 預訓練的深度神經網絡
4 深度學習技術的應用研究
4．1 語音和音頻處理中的應用
4．2 在語言模型和自然語言處理中的相關應用
4．3 信息檢索領域中的應用
4．4 在目標識別和計算機視覺中的應用
4．5 多模態(tài)和多任務學習中的典型應用
5 深度學習軟件仿真平臺及開發(fā)環(huán)境
5．1 Caffe平臺
5．2 TensorFlp平臺
5．3 MXNet平臺
5．4 Torch 7平臺
5．5 Theano平臺
6 大數據巨量分析與機器學習的應用領域
6．1 互聯網領域
6．2 商業(yè)領域
6．3 工業(yè)領域
6．4 農業(yè)信息化建設領域
6．5 醫(yī)療行業(yè)
6．6 城市規(guī)劃與建筑工程
6．7 其他研究領域
7 國內外深度學習技術研發(fā)現狀及其產業(yè)化趨勢
7．1 深度強化學習：從AlphaGo背后力量到學習資源分享
7．2 Google在深度學習領域的研發(fā)現狀
7．3 Facebook在深度學習領域的研發(fā)現狀
7．4 百度在深度學習領域的研發(fā)現狀
7．5 阿里巴巴在深度學習領域的研發(fā)現狀
7．6 京東在深度學習領域的研發(fā)現狀
7．7 騰訊在深度學習領域的研發(fā)現狀
7．8 科創(chuàng)型公司（基于深度學習的人臉識別系統(tǒng)）
7．9 深度學習的硬件支撐——NVIDIA GPU
8 機器學習的哲學探索
8．1 機器學習哲學前沿科學基礎
8．2 機器學習的可能實現途徑分析
8．3 機器學習算法及其知識發(fā)現功能
9 總結與展望
9．1 深度學習發(fā)展歷史圖
9．2 深度學習的應用介紹
9．3 深度神經網絡的可塑性
9．4 基于腦啟發(fā)式的深度學習前沿方向
附錄
參考文獻