神经网络理论

• 二次型与矩阵
  • 二次型与矩阵对应关系
  • 如何理解这种变换呢？
  • 与配方法对照
  • 如何理解这种变换呢？
  • 如果矩阵为B
• 傅里叶级数的推导
• 大脑如何工作的
  • 如何有效的培养一个人的大脑创造力？
  • 突触
  • 成片的突触
  • 形成一个有效突触
  • 神经元的变化
• 什么是 PyTorch？
• PyTorch 的工作原理是什么？
  • Python
  • 张量
  • 模块
  • 动态计算图
  • 自动微分
  • 数据集和数据加载器
• 安装和运行 PyTorch
• 深度学习什么是模型又在训练什么？
  • 训练
  • 模型
  • 如何训练模型
  • 听听他人怎么说
• 直线与平面的向量表示
  • 一、直线的向量表示
  • 二、平面的向量表示
• 矩阵对角化
  • 一、什么样的n阶矩阵才能对角化？
  • 二、根据以上定理和推理特征值无重根的a和b.2.1情况一定可以对角化。
  • 三、有重根情况b.1情况
• 神经网络之反向传播算法（BP）
  • 1、准备工作 Sigmoid 函数的导数
  • 2、均方差函数梯度
  • 3、单个神经元梯度
  • 4、全链接层梯度
  • 5、反向传播算法
  • 6、总结
• 神经网络原理
  • 神经网络是什么?
  • 神经网络的组成？
  • 神经网络如何工作？
• 赫尔维茨定理证明
  • 赫尔维茨定理(Hurwitz theorem)证明
• 韦达公式推导