原教材学术积淀深厚：原教材为毕晓普继《模式识别与机器学习》（PRML）出版近20年后推出的全新力作，获人工智能三巨头Hinton、LeCun、Bengio推荐 译者亲自编写贴合原意：本书作者为《深度学习：基础与概念》译者之一、北京理工大学计算机学院特别副研究员，熟悉原书体系结构与出题思路 结构清晰注重方法：每章开篇设有导读、学习目标与思维导图，帮助读者把握章节脉络；习题部分侧重思路梳理与推导过程，而非仅给出最终结果 辅助理解巩固所学：通过系统梳理习题思路与推导过程，帮助读者加深对原书关键概念的理解，逐步搭建起较为完整的深度学习知识框架

本书系《深度学习：基础与概念》的配套用书，由编者基于对原书习题体系的深入理解编写而成。各章章首设导读，总结本章学习目标，并给出思维导图，帮助读者建立全局视野，明确学习重点。习题解答部分，通过对原书习题的系统梳理、剖析与解答，辅助读者跨越从“读懂”到“会用”的鸿沟，更好地消化吸收原书的精髓，全方位构建深度学习知识体系。阮思捷，北京理工大学计算机学院特别副研究员，主要研究数据挖掘与人工智能，入选中国电子学会博士学位论文激励计划。主持国家自然科学基金、国家重点研发计划子课题等科研项目，在TPAMI、NeurIPS、ICML等高水平期刊或会议发表论文60余篇，授权国家发明专利10余项，出版译著1部、教材1部。获中国指挥与控制学会科学技术进步奖（技术发明类）一等奖、ACM SIGSPATIAL中国分会优秀博士论文奖、国际会议最佳论文/最佳演示论文奖3次、人民邮电出版社影响力译者等。袁汉宁，北京理工大学计算机学院副教授，主要从事数据挖掘和大数据分析等方面的研究，主持和参与国家自然科学基金重点项目、国家重点研发计划子课题、贵州省科技支撑计划等科研项目及*产学合作协同育人项目。发表 SCI/EI 收录学术论文30余篇，申请/授权国家发明专利10余项，出版教材2部。第 2 章 概率 ?1 第 3 章 标准分布 ?22 第 4 章 单层网络：回归 ?41 第 5 章 单层网络：分类 ?47 第 6 章 深度神经网络 ?59 第 7 章 梯度下降 ?71 第 8 章 反向传播 ?80 第 9 章 正则化 ?92 第 10 章 卷积网络 103 第 11 章 结构化分布 ?111 第 12 章 Transformer ?130 第 13 章 图神经网络 ?145 第 14 章 采样 ?153 第 15 章 离散潜变量 ?165 第 16 章 连续潜变量 ?188 第 17 章 生成对抗网络 ?210 第 18 章 标准化流 ?214 第 19 章 自编码器 ?222 第 20 章 扩散模型 ?227