张善文，西京学院教授，博士生导师。2014年获校级教学名师，2016年获陕西省教学名师，2018年入选“特支计划”教学名师领军人才。2024-2025年入选“全球前2%顶尖科学家”。在国内外高水平期刊发表论文150多篇。李丽萍，咸宁职业技术学院副教授，主要从事计算机检测技术、大数据分析等领域的教学与科研工作。张婷，西京学院副教授，主讲课程有数字电子技术、模拟电子技术、离散数学、应用统计学等。
人们正处在人工智能深刻重塑世界的时代。本书《深度学习：模型、进展与应用》系统梳理了从经典机器学习到现代深度学习的理论演进与技术脉络，旨在为读者构建一幅完整而清晰的人工智能知识图谱。
全书内容由浅入深，涵盖了机器学习十大经典算法、神经网络基础组件、卷积神经网络(CNN)、序列与图神经网络(如RNN、Transformer、GCN及新兴的Mamba模型)、以及知识图谱等核心主题。不仅深入剖析了模型背后的数学原理与设计思想，更紧密结合了其在计算机视觉、自然语言处理、科学发现等领域的突破性应用。
本书可作为计算机科学、人工智能及相关专业高年级本科生和研究生的教材，也可供广大科研人员与工程师作为系统学习和深入研究的参考指南。它既是一份通往智能技术前沿的地图，也是一位助力探索与实践的可靠向导。
目录
目录
第一章智能的演进：从数据中学习的科学001
1.1为什么需要从数据中学习？001
1.2为什么需要ML？002
1.3为什么需要DL？003
1.4走向深度：AI、ML、DL的演进脉络004
1.5DL的革命：驱动AI的第二次浪潮006
1.6人工智能（AI）008
1.7交融与未来：迈向更通用的智能009
本章习题012
第二章ML十大经典算法014
2.1引言：ML的基本思路与流程014
2.2ML方法分类015
2.310个经典的ML方法020
本章习题050
第三章DL基础知识052
3.1引言052
3.2卷积与图像卷积055
3.3池化069
3.4激活函数077
3.5注意力机制080
3.6DL中其他概念和操作091
本章习题112
第四章卷积神经网络114
4.1为何需要CNN？114
4.2CNN115
4.3LeNet5118
4.4VGG系列121
4.5残差网络（ResNet）126
4.6MobileNet系列130
4.7AlexNet140
4.8UNet架构及其改进模型141
4.9YOLO系列148
4.10区域卷积网络（RCNN）160
4.11特征金字塔网络161
4.12胶囊网络162
本章习题166
第五章序列与图结构的DL168
5.1DL范式的演进168
5.2循环神经网络（RNN）169
5.3长短期记忆神经网络（LSTM）171
5.4门控循环单元（GRU）177
5.5Transformer179
5.6视觉Transformer（ViT）及其改进模型184
5.7基于视觉注意力多尺度空洞UNet（VAMSDUNet）194
5.8图表征学习与图卷积网络（GCN）197
5.9文本嵌入205
5.10状态空间模型（SSM）和Mamba218
5.11视觉Mamba（VMamba）227
5.12VMUNet230
5.13注意力VMUNet（MVMUNet）232
本章习题236
第六章知识图谱238
6.1概述：从数据到认知的桥梁238
6.2基本概念240
6.3简单例子解释KG241
6.4知识表示与知识表示学习243
6.5知识获取与加工246
6.6KG构建过程255
6.7EduKG构建技术概述258
6.8构建《红楼梦》KG259
本章习题262
第七章DL应用案例265
7.1森林火灾检测265
7.2交通标志检测267
7.3沥青路面缺陷检测与识别270
7.4作物病害叶片分割271
7.5钢管焊缝缺陷检测274
7.6遥感图像显著性检测276
7.7遥感图像中坦克目标检测279
7.8多尺度孪生双路Transformer网络（MSDTNet）281
7.9无人机航拍图像目标检测283
7.10无人机高精度目标检测285
7.11知识图谱在教育中的应用288
本章习题291
参考文献293
