赵小川，博士，研究员，博士生导师，高新技术企业评审专家、武警装备智能化专家委员会委员：北京市科学技术委员会、自然科学基金委员会、陆军装备部项目评审专家：核心期刊《计算机工程》青年编委：担任期刊Robotica和《计算机应用研究》的审稿专家。
　　研究方向为人工智能技术，在感知智能、交互智能、仿生智能等方面有所突破和创新：近年来，作为项目负责人主持科研项目共计20余项：作为首发明人先后获得国家发明专利12项。

前言
基础篇
案例1 巧妇难为无米之炊：数据集的制作与加载
1．1 机器学习中的数据集
1．2 如何加载MATLAB自带的数据集
1．3 如何加载自己制作的数据集
1．4 如何加载公开数据集：以CIFAR-10为例
1．5 如何划分训练集与验证集
1．6 如何扩充数据样本集
案例2 小试牛刀：如何构建一个卷积神经网络
2．1 CNN的核心——“卷积”
2．2 卷积神经网络的结构及原理
2．3 从仿生角度看卷积神经网络
2．4 基于深度学习工具箱函数构造卷积神经网络
2．5 采用DeepNetworkDesigner实现卷积网络设计
2．6 其他与构建深度网络相关的函数
案例3 精雕细琢：如何训练一个卷积神经网绍
3．1 基本概念一点通
3．2 实例需求与实现步骤
3．3 构建卷积神经网络
3．4 训练卷积神经网络
3．5 例程实现与解析

应用篇
案例4 LeNet卷积神经网络的应用：红绿灯识别
4．1 LeNet卷积神经网络
4．2 基于改进LeNet的交通灯识别
4．3 例程实现与解析
案例5 AlexNet卷积神经网络的应用：基于迁移学习的图像分类
5．1 什么是迁移学习
5．2 从不同的角度看迁移学习
5．3 AlexNet网络的原理
5．4 基于AlexNet实现迁移学习的步骤
5．5 AlexNet的加载方法
5．6 如何对AlexNet进行改进以实现迁移学习
5．7 本节所用到的函数解析
5．8 例程实现与解析
5．9 采用DeepNetworkDesigner辅助实现迁移学习
案例6 VGG16卷积神经网络的应用：融合卷积神经网络与支持向量机的物体识别
……

实战篇
参考文献

　　当前，人工智能技术飞速发展，对我们的生活产生了深远的影响：“刷脸支付”让交易变得快捷，“语音交互”让生活变得方便，“智能推送”让购物效率更高。在抗击新冠肺炎疫情的过程中，人工智能技术也大显身手，“智能胸片检测”“智能口罩检测”等技术得到了广泛应用。
　　深度学习是人工智能技术的重要组成部分，关于深度学习的新理论、新方法、新技术层出不穷，很多读者加入到了深度学习技术的学习和科研的大军中。如何更全面、高效地掌握深度学习技术，是笔者一直关注和思考的问题。“实践出真知”，要想真正掌握深度学习技术，必须把它用起来，即“学以致用”。为此，笔者结合自身的教学和科研经验，对深度学习技术的理论、方法、应用进行了系统的总结与梳理，以案例的形式呈现给读者。与其他同类书籍相比，本书的特点在于：
　　1）系统全面。本书分为“基础篇”“应用篇”和“实战篇”。通过17个案例循序渐进地介绍了深度学习网络的构建、训练、应用，以及如何基于MATLAB快速地生成可执行的C、C++代码并在硬件上部署实现，内容讲解由浅及深、层层递进，符合读者的认知心理。
　　2）案例丰富。本书所讲解的案例中，既有交通标识检测、语音识别、车辆检测的深度学习经典案例，又有新冠肺炎胸片检测等多个贴近实际的案例，还讲解了基于MATLAB如何快速地生成可执行的C、C++代码并在树莓派上部署实现，实用性更强。本书所讲解的案例均配有代码实现，并对代码进行了详细的注解，读者可通过阅读代码，对本书讲解的内容进行更加深入的了解。
　　3）生动形象。写一本有温度的书一直是笔者所追求的目标。在本书的写作过程中，笔者力求以生动形象的语言来解释抽象的概念，如将“例题、作业、考试”与“训练集、验证集、测试集”进行类比，将“针灸”与“非激活函数”进行类比，使语言更通俗、形象、易懂。
　　本书适合以下读者阅读学习。
　　对人工智能、深度学习技术感兴趣的工程技术人员。
　　人工智能、计算机科学技术相关专业的本科生、研究生。
　　回首本书的编写历程，笔者感受颇多，感谢为本书付出辛勤劳动的同仁，尤其是何灏、朱鹤、梁冠豪、马燕琳、刘莹等人。感谢家人的支持！