第1部分 神经网络入门基础

　　1 神经网络原理

　　　　1.1神经元、结构

　　　　1.2 激励函数

　　　　1.3 学习规则

　　　　1.4 案例

　　2 反向传播算法-BP算法

　　　　2.1 激活函数

　　　　2.2 目标函数

　　　　2.3 前向传播过程

　　　　2.4 反向传播过程

　　　　2.5 权重更新策略

　　　　2.6 代码实现与分析

　　3 单层神经网络（感知器）

　　　　3.1 结构

　　　　3.2 训练过程

　　　　3.3 效果-决策边界线

　　　　3.4 代码实现与分析

　　4 两层神经网路基（多层感知器）

　　　　4.1 结构

　　　　4.2 训练过程

　　　　4.3 效果-决策边界面

　　　　4.4 代码实现与分析

　　5 多层神经网络（深度学习）

　　　　5.1 结构

　　　　5.2 训练过程

　　　　5.3 案例实现与分析

第2部分 深度学习及应用

　　1 DNN深度神经网络原理及应用

　　　　1.1 DNN架构

　　　　1.2 DNN训练过程

　　　　1.3 DNN权重更新

　　　　1.4 代码实现与分析

　　　　1.5 DNN应用

　　2 CNN卷积神经网络

　　　　2.1 全连接的反向传播算法

　　　　2.2 Convolutional Neural Networks 卷积神经网络

　　　　2.3 CNN的训练过程

　　　　2.4 代码实现与分析

　　　　2.5 CNN应用

　　3 TDNN时延深度神经网络

　　　　3.1 TDNN架构

　　　　3.2 TDNN训练过程

　　　　3.3 DNN权重更新

　　　　3.4 代码实现与分析

　　　　3.5 TDNN应用与特点

　　4 RNN循环神经网络

　　　　4.1 RNN原理

　　　　4.2 RNN训练过程

　　　　4.3 RNN权重更新

　　　　4.4 代码实现与分析

　　　　4.5 RNN应用与特点

　　5 LSTM长短词记忆网络

　　　　5.1 LSTM原理、架构

　　　　5.2 LSTM的门机制

　　　　5.3 LSTM训练过程

　　　　5.4 代码实现与分析

　　　　5.5 LSTM应用与特点

　　6 Bi-LSTM+Attention综合应用

　　　　6.1 Bi-LSTM原理

　　　　6.2 Attention注意力机制

　　　　6.3 Bi-LSTM+Attention架构

　　　　6.4 综合应用