文件名称：DeepLearning-Series:人工智能与深度学习实战 - 深度学习篇
文件大小：54KB
文件格式：ZIP
更新时间：2024-08-24 00:25:47
HTML
· · · 深度学习实战 在深度学习篇中，我们将了解深度学习的历史与理论。深度学习的起点即是所谓的神经网络（Neural Network）。 NN | 神经网络基础 神经网络层的基本组成成员为神经元，神经元包含两部分，一部分是上一层网络输出和当前网络层参数的一个线性乘积，另外一部分是线性乘积的非线性转换；如果缺少非线性转换，则多层线性乘积可以转化为一层的线性乘积。 $$ \begin{array}{l}{\mathrm{H}(\mathrm{in})=\Sigma=\mathrm{W}{1} \star \mathrm{x}{1}+\mathrm{W}{2} \star \mathrm{x}{2}+\mathrm{W}{3} \star \mathrm{x}{3}+\mathrm{b}} \ {\mathrm{H}(\mathrm{out
【文件预览】：
DeepLearning-Series-master
----index.html(6KB)
----.nojekyll(0B)
----INTRODUCTION.md(15B)
----_sidebar.md(2KB)
----导论()
--------深度学习算法.md(99B)
--------深度学习前沿.md(21B)
--------深度学习简史.md(10KB)
----卷积神经网络()
--------README.md(83B)
----LICENSE(16KB)
----循环神经网络()
--------README.md(0B)
----README.md(15KB)
----header.svg(8KB)
----计算机视觉()
--------scikit-image()
--------README.md(2KB)
--------图形学基础()
--------目标检测()
----神经网络()
--------正向传播与反向传播.md(104B)
--------多层神经网络.md(34B)
--------损失函数()
--------激活函数()
--------丢弃法.md(85B)
--------README.md(1KB)
--------神经网络可视化.md(10KB)