前言

随着深度学习技术的快速发展，最新的深度学习模型已经远远超越了传统的机器学习算法，并且在图像处理、生物识别、智能医疗等领域取得了令人瞩目的成就。因此越来越多的人对深度学习感兴趣，掀起了人工智能领域的新高潮。就信号处理领域而言，所涉及的面相当广泛，但如何用深度学习原理来解决信号处理领域中的具体问题确实有些难度。因此，本书在每章都以“基础优先、递进延伸、案例导入”的方式组织内容，简述算法背景，分析算法原理，通过完整的实战案例阐明应用深度学习网络解决信号处理领域具体问题的切入点和过程，以帮助读者动手实践。

本书汇集了作者及其研究生团队利用深度学习网络开展信号处理领域应用研究的心得和研究成果；同时，吸收了一些该领域中的最新成果。全书共10章，第1章为初识深度学习，着重分析了深度学习概念、发展、支持系统等。第2章为人工神经网络，主要讨论了神经网络原理、训练与预测及优化算法、计算图及BP算法、过拟合概念及防止过拟合方法，为后续各章的基础，同时研究了其在信道盲均衡领域中的应用。第3章为模糊神经网络，分析了常规模糊神经网络、模糊联想记忆神经网络、神经模糊推理系统、神经网络近似逻辑等结构、原理、方法及其在飞行目标识别中的应用。第4章为概率神经网络，着重分析了概率神经网络原理、实现架构及其在脑肿瘤分类中的应用。第5章为小波神经网络，研究了前置小波神经网络和嵌入小波神经网络及其在信道盲均衡问题中的应用。第6章为卷积神经网络，分析了常规卷积神经网络基本结构，研究了特征融合卷积神经网络和深度引导滤波网络等扩展模型及其在遥感图像分类和运动模糊去除中的应用。第7章为深度生成对抗网络，以生成对抗网络为基础，研究了其扩展模型及其在图像去雨、去条带噪声及运动图像去模糊中的应用。第8章为深度受限玻尔兹曼机，讨论了玻尔兹曼机、受限玻尔兹曼机、稀疏受限玻尔兹曼机、竞争型稀疏受限玻尔兹曼机和分类受限玻尔兹曼机等，分析了手写字识别实例。第9章为深度信念网络，在常规深度信念网络基础上，分析了深度信念网络的扩展模型及其在注意缺陷多动障碍早期诊断中的应用。第10章为深度自编码器，以自编码网络为基础，分析与研究了其扩展模型（变分、堆叠变分、深度卷积变分、自编码回声状态、深度典型相关、双重对抗等自编码网络）和应用模型（互信息稀疏自编码软测量、深度自编码网络模糊推理、特征聚类快速稀疏自编码及栈式降噪稀疏自编码器极限学习机等应用模型），研究了特征提取及调制识别算法。

本书成果得到了无锡俊腾信息科技有限公司、国家自然科学基金项目（61673222），江苏高校优势学科“信息与通信工程”建设一、二、三期项目等资助。在本书编写过程中，田佳佳、许雪、尤俣良、姚永强、王庆伟、刘程等研究生参与了编校工作。本书的出版还得到了机械工业出版社的大力支持，在此一并表示诚挚的谢意！

由于作者水平有限，书中难免存在不当之处，敬请读者批评指正！

作者