目标识别是水声探测中的重要技术环节，也是一项难题。利用深度学习理论开展水声目标信号特征学习与分类识别，已成为当前的研究热点。本书总结了作者及课题组近年来利用深度学习理论开展水中目标识别研究的成果。首先，探讨了典型深度学习模型应用于水中目标识别的可行性问题，在此基础上分别研究了卷积神经网络、循环神经网络、深度卷积生成对抗网络的原理、构建方法、参数优化方法及应用实例。其次，在不同信噪比等条件下，对深度神经网络与传统方法以及不同的深度神经网络进行了对比分析，提出了改进方法，并进一步探讨了深度半监督和无监督水中目标分类识别方法及参数联合优化方法。最后，从功能需求、技术指标、关键技术等角度指出了智能水中目标识别技术的发展方向。
