（1）完整展示多种深度神经网络（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。 （2）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。 （3）详细阐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。 （4）为了展示深度学习工具解决实际问题的能力，选择了多样的应用领域。 •简单但巧妙的“玩具”示例（如分类圆和椭圆，判断晴天和阴天）。 •实际工程领域的专业示例（如托卡马克中断检测、地形导航、轨道测定、芭蕾舞的足尖旋转动作分类）。 •计算机视觉、自然语言处理、时间序列数据处理等深度学习技术最常用的领域示例（如图像分类、电影分类、补全句子、股票预测）。 （5）重点介绍如何使用MATLAB机器学习工具箱进行深度学习技术实践。 •内容新颖独特。作者拥有多年MATLAB软件工具开发经验，很多观点具有独创性。 •突出数学建模方法。特别针对工程应用中的动力学模型进行重点讲解，理论联系实践。 •对深度学习技术的初学者十分友好；而对于有经验的工程师，则可由高处窥见技术的框架全貌，得以引发高层次的回味与总结。 （6）适合作为大学生或研究生的教材以及工程师的参考书籍。在有限篇幅内系统精练地阐明基本理论、方法，辅以典型的理论分析、实例和相关程序，化繁为简，便于学习和认知。