前言

深度學習模型因為阿爾法狗戰勝了人類圍棋冠軍而一舉成名，再加上BAT（百度、阿里巴巴、騰訊）、谷歌等國內外知名公司的推崇，使得深度學習模型的研究熱浪一波高過一波。深度學習模型之所以能使得一度被打入冷宮的神經網絡重新受到了大眾的寵愛，主要因為深度學習模型能用非監督式或半監督式的特征學習和分層特征提取高效算法來替代手工獲取特征，從而使得過去被廢棄的大量非標簽數據在神經網絡中得到了利用；更為重要的是，使得神經網絡的深度得到極大的增加，從而極大地提高了神經網絡的處理能力。深度學習模型雖然是一個初生兒，但輩分極高，因為其前身是具有悠久歷史的神經網絡，在20年前，我上大學期間就有一門課程，稱為“神經網絡”。雖然輩分很高，但畢竟是初生兒，畢竟是一個新的生命，所以不論在理論上還是在應用上，都存在著很多盲點和缺陷，都需要開拓和創新，都需要完善和升級。

深度學習模型的春雨過后，無人駕駛、圖像識別等人工智能相關的應用如雨后春筍層出不窮。隨著應用的深度開展，其理論研究也在如火如荼地展開。很多企業和高校已經成立了深度學習研究中心或小組，專門研究深度學習模型的相關理論和應用，同時深度學習模型方面的培訓和課程也在國內外掀起了熱潮，但困境是深度學習模型理論和應用相關的著作仍然比較缺乏。

在深度學習模型火熱之前，大數據已經熱了幾年，而深度學習模型的出現給大數據的智能處理提供了一個新的出路。深度學習模型只有基于大數據才能發揮其威力，才能達到很高的準確度。而大數據在應用了深度學習之后所能達到的處理效果也是傳統算法所無法企及的。可以說，兩者相得益彰，相互促進，互利共贏。

本書可以作為學習和研究深度學習模型的學生和學者的參考用書，其中的理論部分可以用于完善現有深度學習模型方法的不足，為理論的創新奠定基礎；其中的應用部分可以為企業提供更多的深度學習模型應用思路和方案，進而使得深度學習模型在實踐中產生更大的價值。

本書的所有內容都是作者原創性的研究成果。本書的原創性在于首次提出并研究給出了組合型深度學習模型、智能型深度學習模型、適應型深度學習模型；首次提出并研究給出了三種組合型深度學習模型，包括基于類別樹的深度學習模型、基于聯合聚類深度學習模型的數據識別、基于深度學習模型的身份識別；首次提出并研究給出了兩種智能型深度學習模型，包括基于大數據的深度學習模型初始化、深度學習模型進化；首次提出并研究給出了兩種適應型深度學習模型，包括期望與反期望深度學習模型、殘缺深度學習模型；首次提出并研究給出了兩種深度學習模型的預報預測大數據應用，包括基于大數據深度學習和分析場的氣象預報、分析預測文化沖突的深度學習模型；首次提出并研究給出了三種深度學習模型的調度推薦大數據應用，包括基于大數據和深度學習模型的云計算調度、基于大數據和深度學習模型的停車引導、基于大數據與深度學習的婚戀對象匹配推薦；首次提出并研究給出了兩種深度學習模型的檢測診斷大數據應用，包括基于深度學習模型和大數據的停車位檢測、基于深度學習模型面向自動診斷的醫療數據處理。

本書選取的是人工智能的前沿領域和熱點領域深度學習模型，但與各個應用領域進行了交叉創新，并在交叉創新的過程中發現和改進了現有深度學習模型理論的不足，同時拓展了現有深度學習模型的應用范圍，進而實現了現有深度學習模型技術基礎上從理論到應用的創新。

本書中的研究得到了國家級新工科研究與實踐項目（粵教高函【2018】17號）、國家社會科學基金重大項目（14ZDB101）、國家自然科學基金重點項目（41630635）、教育部—騰訊公司產學合作協同育人項目（201602001001）、廣東高校重大科研項目（粵教科函【2018】64）、廣東省新工科研究與實踐項目（粵教高函【2017】118號）、廣東省高等教育教學研究和改革重點項目（粵教高函【2016】236號）、廣東省學位與研究生教育改革研究重點項目（粵教研函【2016】39號）、廣東省聯合培養研究生示范基地（粵教研函【2016】39號）的支持。

本書的特色在于以深度學習模型應用牽引深度學習模型理論的創新，同時以深度學習模型理論的創新促進深度學習模型應用的創新，在深度學習模型與各行各業之間進行了大膽的交叉創新，從而使得深度學習模型技術更智能、更普適、更精準、更強大，進而加速深度學習模型智能應用的發展。當然，深入后必能淺出，因此讀者通過本書也能根據深度學習模型的新理論、新方法和新應用加深對現有深度學習技術的理解和應用。

華南師范大學

朱定局

2018年5月