来源书籍
深度学习的数学
章节与卡片
05 前言
1 张卡片
- 从样本学习识别规则 理解等级:中级 普通读书笔记卡
10 1-2 神经元工作的数学表示
1 张卡片
- 加权输入与点火 理解等级:中级 普通读书笔记卡
11 1-3 激活函数:将神经元的工作一般化
1 张卡片
- 偏置与连续激活 理解等级:中级 普通读书笔记卡
12 1-4 什么是神经网络
1 张卡片
- 分层网络组合特征 理解等级:中级 普通读书笔记卡
13 1-5 用恶魔来讲解神经网络的结构
1 张卡片
- 隐藏单元响应局部模式 理解等级:中级 普通读书笔记卡
15 1-7 网络自学习的神经网络
1 张卡片
- 监督学习是参数优化 理解等级:中级 普通读书笔记卡
17 2-1 神经网络所需的函数
1 张卡片
- 仿射输入和随机初值 理解等级:中级 普通读书笔记卡
18 2-2 有助于理解神经网络的数列和递推关系式
1 张卡片
- 递推复用相邻层结果 理解等级:中级 普通读书笔记卡
19 2-3 神经网络中经常用到的∑符号
1 张卡片
- 求和下标与线性 理解等级:中级 普通读书笔记卡
20 2-4 有助于理解神经网络的向量基础
1 张卡片
- 内积衡量方向对齐 理解等级:中级 普通读书笔记卡
21 2-5 有助于理解神经网络的矩阵基础
1 张卡片
- 矩阵乘法与逐项乘积 理解等级:中级 普通读书笔记卡
22 2-6 神经网络的导数基础
1 张卡片
- 导数与驻点 理解等级:中级 普通读书笔记卡
23 2-7 神经网络的偏导数基础
1 张卡片
- 偏导数固定其他变量 理解等级:中级 普通读书笔记卡
24 2-8 误差反向传播法必需的链式法则
1 张卡片
- 链式法则累加多条路径 理解等级:中级 普通读书笔记卡
25 2-9 梯度下降法的基础:多变量函数的近似公式
1 张卡片
- 梯度给出局部线性变化 理解等级:中级 普通读书笔记卡
26 2-10 梯度下降法的含义与公式
1 张卡片
- 负梯度是一阶下降方向 理解等级:中级 普通读书笔记卡
27 哈密顿算子
1 张卡片
- 学习率缩放梯度 理解等级:中级 普通读书笔记卡
29 2-12 最优化问题和回归分析
1 张卡片
- 最小二乘连接回归和训练 理解等级:中级 普通读书笔记卡
31 3-1 神经网络的参数和变量
1 张卡片
- 区分模型参数与样本变量 理解等级:中级 普通读书笔记卡
32 3-2 神经网络的变量的关系式
1 张卡片
- 前向传播逐层计算 理解等级:中级 普通读书笔记卡
33 3-3 学习数据和正解
1 张卡片
- 类别标签对齐输出单元 理解等级:中级 普通读书笔记卡
34 3-4 神经网络的代价函数
1 张卡片
- 训练代价汇总样本误差 理解等级:中级 普通读书笔记卡
37 4-1 梯度下降法的回顾
1 张卡片
- 先算单样本梯度再累加 理解等级:中级 普通读书笔记卡
38 4-2 神经单元误差
1 张卡片
- 单元误差还原参数梯度 理解等级:中级 普通读书笔记卡
39 4-3 神经网络和误差反向传播法
1 张卡片
- 反传逐层复用误差 理解等级:中级 普通读书笔记卡
40 4-4 用 Excel 体验神经网络的误差反向传播法
1 张卡片
- 训练迭代的前向反向与更新 理解等级:中级 普通读书笔记卡
42 5-1 小恶魔来讲解卷积神经网络的结构
1 张卡片
- 卷积层扫描局部图案 理解等级:中级 普通读书笔记卡
43 5-2 将小恶魔的工作翻译为卷积神
1 张卡片
- 最大池化保留最强响应 理解等级:中级 普通读书笔记卡
44 5-3 卷积神经网络的变量关系式
1 张卡片
- 特征图共享核和偏置 理解等级:中级 普通读书笔记卡
46 5-5 卷积神经网络和误差反向传播法
1 张卡片
- 卷积核梯度汇总所有窗口 理解等级:中级 普通读书笔记卡
50 C 用数学式表示模式的相似度
1 张卡片
- 图案点积与幅值影响 理解等级:中级 普通读书笔记卡
全书概览
《深度学习的数学》概览
Skill 版本:v24
执行模式:light
建档进度:done
评级:经典原理,高信息浓度、高稳定性。核心材料沿同一个手写识别例子推导前向、损失、反传,并用卷积展示参数共享。历史事件和工具版本仅作辅助。
优先级:P4(AI 专项)
整书笔记:阅读正文
整书笔记版本:schema 1,SHA-256 46c8c6b45574ffcd71d2f6e180e1bc50ae78ef76d828d36f078e4f3a8c20b889
章节进度追踪表
| 章节号 | 章节标题 | 状态(pending/done) | 卡片数 |
|---|---|---|---|
| 05 | 前言 | done | 1 |
| 06 | 本书的使用说明 | done | 0 |
| 07 | Excel 示例文件的下载 | done | 0 |
| 08 | 第 1 章 神经网络的思想 | done | 0 |
| 09 | 1-1 神经网络和深度学习 | done | 0 |
| 10 | 1-2 神经元工作的数学表示 | done | 1 |
| 11 | 1-3 激活函数:将神经元的工作一般化 | done | 1 |
| 12 | 1-4 什么是神经网络 | done | 1 |
| 13 | 1-5 用恶魔来讲解神经网络的结构 | done | 1 |
| 14 | 1-6 将恶魔的工作翻译为神经网络的语言 | done | 0 |
| 15 | 1-7 网络自学习的神经网络 | done | 1 |
| 16 | 第 2 章 神经网络的数学基础 | done | 0 |
| 17 | 2-1 神经网络所需的函数 | done | 1 |
| 18 | 2-2 有助于理解神经网络的数列和递推关系式 | done | 1 |
| 19 | 2-3 神经网络中经常用到的∑符号 | done | 1 |
| 20 | 2-4 有助于理解神经网络的向量基础 | done | 1 |
| 21 | 2-5 有助于理解神经网络的矩阵基础 | done | 1 |
| 22 | 2-6 神经网络的导数基础 | done | 1 |
| 23 | 2-7 神经网络的偏导数基础 | done | 1 |
| 24 | 2-8 误差反向传播法必需的链式法则 | done | 1 |
| 25 | 2-9 梯度下降法的基础:多变量函数的近似公式 | done | 1 |
| 26 | 2-10 梯度下降法的含义与公式 | done | 1 |
| 27 | 哈密顿算子 | done | 1 |
| 28 | 2-11 用 Excel 体验梯度下降法 | done | 0 |
| 29 | 2-12 最优化问题和回归分析 | done | 1 |
| 30 | 第 3 章 神经网络的最优化 | done | 0 |
| 31 | 3-1 神经网络的参数和变量 | done | 1 |
| 32 | 3-2 神经网络的变量的关系式 | done | 1 |
| 33 | 3-3 学习数据和正解 | done | 1 |
| 34 | 3-4 神经网络的代价函数 | done | 1 |
| 35 | 3-5 用 Excel 体验神经网络 | done | 0 |
| 36 | 第 4 章 神经网络和误差反向传播法 | done | 0 |
| 37 | 4-1 梯度下降法的回顾 | done | 1 |
| 38 | 4-2 神经单元误差 | done | 1 |
| 39 | 4-3 神经网络和误差反向传播法 | done | 1 |
| 40 | 4-4 用 Excel 体验神经网络的误差反向传播法 | done | 1 |
| 41 | 第 5 章 深度学习和卷积神经网络 | done | 0 |
| 42 | 5-1 小恶魔来讲解卷积神经网络的结构 | done | 1 |
| 43 | 5-2 将小恶魔的工作翻译为卷积神 | done | 1 |
| 44 | 5-3 卷积神经网络的变量关系式 | done | 1 |
| 45 | 5-4 用 Excel 体验卷积神经网络 | done | 0 |
| 46 | 5-5 卷积神经网络和误差反向传播法 | done | 1 |
| 47 | 5-6 用 Excel 体验卷积神经网络的误差反向传播法 | done | 0 |
| 48 | 附录 | done | 0 |
| 49 | B 训练数据(2) | done | 0 |
| 50 | C 用数学式表示模式的相似度 | done | 1 |
非正文排除
| spine项 | 类型 | 排除理由 |
|---|---|---|
| 1 titlepage.xhtml | 封面 | 封面图与书名页 |
| 2 text/part0000_split_000.html | 版权 | 版本、著译者和授权说明 |
| 3 text/part0000_split_001.html | 目录 | 链接导航 |
| 4 text/part0000_split_002.html | 版权 | 发行及权利声明 |
| 51 text/part0000_split_049.html | 出版服务 | 答疑联系方式与社交账号 |
待关联术语
| 术语名 | 出现章节 | 一句话语境 |
|---|---|---|
| 张量 | 2-4 | 备注从应力张量引出多下标表示。 |
| 正则化 | 2-7 | 提及拉格朗日乘数法的应用,未推导正则化。 |
引用文献
| 标题 | 类型(书/论文/框架/源码项目) | 出现章节 | 一句话语境 |
|---|---|---|---|
| TensorFlow | 框架 | 2-4、5-2 | 张量命名与工具举例。 |
资金安全问题案例
| 问题标题 | 问题卡 | 解决方案卡(如有) | 出现章节 | 一句话说明 |
|---|
实践卡进度
| 序号 | 实践标题 | 实践方式 | 状态(pending/done) | 关联章节 | 产出 |
|---|---|---|---|---|---|
| 1 | 比较学习率与下降轨迹 | 真实任务 | done | 哈密顿算子 | ideas/idea-001-比较学习率与下降轨迹.md |
| 2 | 检查共享卷积核的梯度 | 真实任务 | done | 5-5 卷积神经网络和误差反向传播法 | ideas/idea-002-检查共享卷积核的梯度.md |
实践候选筛选:done
未采用整本教程复刻和平台试用。前者超出可验证的局部目标,后者依赖外部服务。
相关主题
从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。
暂无公开主题。