本書系統介紹了神經網絡和深度學習，并結合實際應用場景和綜合案例，讓讀者深入了解深度學習。全書共16章，分為4個部分。第1部分介紹了深度學習基礎算法與應用，主要包括神經網絡和深度學習的相關概念、多層神經網絡的基本原理和具體應用、卷積神經網絡的原理及項目案例實現、優化算法與模型管理。第2部分介紹了深度學習進階算法與應用，主要包括經典的深度卷積神經網絡，ResNet、DenseNet和MobileNet，目標檢測的基本概念和常見算法，循環神經網絡的基本概念和具體應用。第3部分介紹了時空數據模型與應用，主要包括CNN-LSTM混合模型的基本概念和具體應用，多元時間序列神經網絡、注意力機制和Transformer的基本結構和具體應用。第4部分介紹了生成對抗網絡及其應用，主要包括生成對抗網絡的基本概念及其模型的結構和訓練過程，使用檢測模型、識別模型對車牌進行檢測與識別。本書適合對人工智能、機器學習、神經網絡和深度學習等感興趣的讀者閱讀，也適合作為本科院校和高等職業院校人工智能相關專業的教材。本書可以幫助有一定基礎的讀者查漏補缺，使其深入理解和掌握與深度學習相關的原理及方法，并能提高其解決實際問題的能力。