译者序
人工智能包罗万象，包括场景理解、知识表达、融合决策、智能优化、预测规划、数据挖掘、自然语言处理、机器学习、计算机视觉、逻辑判别、模糊控制和信息物理系统等。《实用MATLAB深度学习——基于项目的方法》由全球知名的两位专家Michael Paluszek和Stephanie Thomas撰写，是深度学习领域基于实际项目的畅销教材。本书出版后，好评如潮，得到相关领域内众多学者和工程师的广泛关注。本书内容翔实，逻辑清晰，图文并茂，是一本不可多得的人工智能教科书。
本书完整展示了多种深度神经网络（FNN、CNN、RNN等）在一系列分类和回归问题中的应用，有助于读者认识不同神经网络的结构特点和适用性； 图文并茂地描述特定工程领域的数学建模和理论推导过程，帮助读者理解工程问题和对应仿真代码； 详述不同应用场景的数据生成过程，包括特征字段的选择和赋值，有助于启发工程师创建多样的数据以验证模型性能。
本书理论联系实际展示了深度学习工具解决实际问题的能力，使用MATLAB机器学习工具箱进行深度学习技术实践，并应用于多样的应用领域。本书适合各类读者阅读，特别适合相关专业的本科生或研究生，以及在实际产品或平台中进行深度学习应用和开发的工程师。
在这里，要感谢清华大学出版社的领导和编辑们，特别感谢文怡对我的信任和理解，把这样一本好书交给我翻译。我也要特别感谢我的研究生吴蔓、陈燕平、杨阳、王芝燕、田雨鑫、陈瑜等的辛勤工作，他们的责任心和独立工作能力让我倍感欣慰，因此得以从容。
由于译者无论是中文还是英语能力都深感有限，见闻浅薄，唯恐译文还是有些生硬，特别担心未能全面地理解和传达作者的真实想法和观点。因此，我们希望具有条件的读者结合英文阅读本书，也非常期待大家批评指正，以便今后进一步修订完善译著，不胜感激。
2020年，这一年，四季轮回，一起拼过的春夏秋冬，仿佛就在眼前，感恩时光厚爱，热爱漫无边际。
译者
2020年12月
