第1部分 神經網絡入門基礎

　　1 神經網絡原理

　　　　1.1神經元、結構

　　　　1.2 激勵函數(shù)

　　　　1.3 學習規(guī)則

　　　　1.4 案例

　　2 反向傳播算法-BP算法

　　　　2.1 激活函數(shù)

　　　　2.2 目標函數(shù)

　　　　2.3 前向傳播過程

　　　　2.4 反向傳播過程

　　　　2.5 權重更新策略

　　　　2.6 代碼實現(xiàn)與分析

　　3 單層神經網絡（感知器）

　　　　3.1 結構

　　　　3.2 訓練過程

　　　　3.3 效果-決策邊界線

　　　　3.4 代碼實現(xiàn)與分析

　　4 兩層神經網路基（多層感知器）

　　　　4.1 結構

　　　　4.2 訓練過程

　　　　4.3 效果-決策邊界面

　　　　4.4 代碼實現(xiàn)與分析

　　5 多層神經網絡（深度學習）

　　　　5.1 結構

　　　　5.2 訓練過程

　　　　5.3 案例實現(xiàn)與分析

第2部分 深度學習及應用

　　1 DNN深度神經網絡原理及應用

　　　　1.1 DNN架構

　　　　1.2 DNN訓練過程

　　　　1.3 DNN權重更新

　　　　1.4 代碼實現(xiàn)與分析

　　　　1.5 DNN應用

　　2 CNN卷積神經網絡

　　　　2.1 全連接的反向傳播算法

　　　　2.2 Convolutional Neural Networks 卷積神經網絡

　　　　2.3 CNN的訓練過程

　　　　2.4 代碼實現(xiàn)與分析

　　　　2.5 CNN應用

　　3 TDNN時延深度神經網絡

　　　　3.1 TDNN架構

　　　　3.2 TDNN訓練過程

　　　　3.3 DNN權重更新

　　　　3.4 代碼實現(xiàn)與分析

　　　　3.5 TDNN應用與特點

　　4 RNN循環(huán)神經網絡

　　　　4.1 RNN原理

　　　　4.2 RNN訓練過程

　　　　4.3 RNN權重更新

　　　　4.4 代碼實現(xiàn)與分析

　　　　4.5 RNN應用與特點

　　5 LSTM長短詞記憶網絡

　　　　5.1 LSTM原理、架構

　　　　5.2 LSTM的門機制

　　　　5.3 LSTM訓練過程

　　　　5.4 代碼實現(xiàn)與分析

　　　　5.5 LSTM應用與特點

　　6 Bi-LSTM+Attention綜合應用

　　　　6.1 Bi-LSTM原理

　　　　6.2 Attention注意力機制

　　　　6.3 Bi-LSTM+Attention架構

　　　　6.4 綜合應用