读书笔记《神经网络与深度学习》

z529905310 z529905310 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 604平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄10年
关注
原创 最新推荐文章于 2026-07-21 22:39:28 发布 604 阅读 AI 写同款· GEO 优化 ›
《The Matrix Calculus You Need For Deep Learning》读书笔记 用于深度学习的矩阵微积分读书笔记书籍简介本教程涵盖的内容内容总结1.引言2.Jacobian的推广3.向量的逐元素二元运算求导4.涉及标量运算的向量求导5.向量和求导6.链式法则6.1 单变量链式法则6.2 单变量全导数链式法则6.3 向量链式法则6.4 总结7.激活函数的梯度8.损失函数的梯度 书籍简介 《The Matrix Calculus You Need For Deep Learning》是旧金山大学的Terence Parr教授（ANTLR之父，fast.ai创始人）和Jeremy Howar 阅读详情

读书笔记《神经网络与深度学习》

机器学习是人工只能的一个分支，机器学习本身是一个非常大的概念。

机器学习是通过算法从大量历史数据中学习规律，从而对新的样本做智能识别或未来做预测。

机器学习按照学习方式分类：

  • 监督学习

  输入数据包括:历史数据、正确期望值、错误期望值

  • 非监督学习

  输入数据后有模型自行进行聚类、规则区分

  • 强化学习

  一个连续决策的过程，其数学本质是马尔科夫决策过程。

  马尔科夫过程：对于一个系统，有一个状态转移到另一个状态的过程中，存在着转移概率，且转移概率可以通过前一种状态计算出来，且与该系统的原始状态和此次转移前的马尔科夫状态无关。
  马尔可夫决策过程:指决策者周期地或连续地观察具有马尔可夫性的随机动态系统，序贯地作出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动作出决策，系统下一步（未来）的状态是随机的，并且其状态转移概率具有马尔可夫性。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
【读书笔记】神经网络与深度学习 第2章 机器学习概述 《神经网络与深度学习》by 邱锡鹏 文章目录第2章 机器学习概述2.2 机器学习三要素2.2.1 模型2.2.1.1 线性模型2.2.1.2 非线性模型2.2.2 学习准则2.2.2.1 损失函数 loss function2.2.2.2 风险最小化准则（正则化）2.2.3 优化算法2.2.3.1 梯度下降法（优化目标：所有样本）2.2.3.2 提前停止防止过拟合2.2.3.3 随机梯度下降法（... 阅读详情

相关推荐

神经网络原理 Simon.Haykin 编——神经网络书籍中最经典的一本.zip

深度学习界知名大师级人物 Simon.Haykin 编著，汉翻版

读书笔记1-《神经网络与深度学习》

《神经网络与深度学习》 Neural Networks and Deep Learning 从根源来讲，深度学习是机器学习的 一个分支，是指一类问题以及解决这类问题的方法。深度学习指从有限样例中通过算法总结出一般性的规律，并可以应用到新的未知数据上。 贡献度分配问题：深度学习采用的模型一般比较复杂，指样本的原始输入到输出目标之间的数据流经过多个线性或非线性的组件（component）．因为每个组件都会 对信息进行加工，并进而影响后续的组件，所以当我们最后得到输出结果时，我 们并不清楚其中每个组件的.

weixin_43719788的博客 381

从原理图到PCB：基于Allegro的8槽PXIe背板高速设计实战

本文详细介绍了基于Allegro软件进行8槽PXIe背板高速设计的完整实战流程。从理解规范、原理图设计、PCB布局规划，到高速PCIe差分对与精密时钟的布线艺术，再到电源与地处理以及最终的设计验证与生产文件输出，系统性地阐述了确保背板信号完整性、电源完整性和系统稳定性的关键技术与工程实践。

weixin_28312391的博客 207

《神经网络与深度学习》nndl读书笔记

目录本书的知识体系深度学习与神经网络概要人工智能机器学习机器学习模型步骤表示学习局部表示与分布式表示深度学习常用的深度学习框架端到端学习神经网络人工神经网络神经网络的发展历史 本书的知识体系 深度学习与神经网络概要 从根源上讲，深度学习是机器学习的一个分支，是指一类问题以及解决这类问题的方法。 深度学习采用的模型一般比较复杂，指样本的原始输入到输出目标之间的数据流经过多个线性或非线性的组件．因为每个组件都会对信息进行加工，并进而影响后续的组件，所以当我们最后得到输出结果时，我们并不清楚其中每个组件的贡献

la_xl的博客 2310

避坑指南：AUTOSAR FlashDriver操作DFlash模拟EEPROM时，你最容易忽略的5个细节

本文深入探讨了AUTOSAR FlashDriver在DFlash模拟EEPROM操作中最容易被忽视的五大细节问题，包括地址合法性检查、操作时序控制、并发访问冲突、电源稳定性管理和寿命管理。通过实际项目案例和工程化解决方案，帮助开发者避免常见陷阱，提升汽车电子控制单元（ECU）的可靠性和稳定性。

weixin_42741930的博客 246

Labview实现服务器（server）与多客户端（clients）通信

服务器可以接收多个客户端发送的消息，并显示消息来源。 服务器可以发送消息到指定客户端 客户端可以自动连接服务器，断连后重连 客户端可以发送消息到服务器，可接收服务器消息 类似框架可以用做中央服务器及客户端项目

u013809089的博客 7980

神经网络与深度学习学习总结（一）

神经网络与深度学习学习总结（一）

ccssddnn2000的博客 305

【电击防护篇】电击防护技术详解：从人体效应到接地系统全解析

本文系统讲解了电击防护的关键知识，包括电流对人体的影响（如30mA是心室颤动阈值）、人体电阻特性（700Ω-6100Ω）以及电气接触防护措施。重点分析了TT、TN和IT三大接地系统的结构特点与应用场景，强调TN-S系统最安全，IT系统供电连续性最佳。详细介绍了漏电保护器（RCD）的工作原理与选型指南，建议人身防护选用30mA高灵敏度RCD。文章通过对比表总结三大系统的安全性、成本及适用场景，为电气安全设计提供实用参考。

2301_81299416的博客 1743

神经网络和深度学习学后总结

学习神经网络和深度学习的过程使我对人工智能的核心技术有了深入的理解。从理论到实践，整个学习过程涵盖了许多重要的概念和技术，包括神经元、激活函数、前向传播、反向传播、损失函数、优化算法、卷积神经网络（CNN）、循环神经网络（RNN）以及深度学习框架（如TensorFlow和PyTorch）等。以下是我对神经网络和深度学习的学习总结，并附带一个简单的代码示例。

cccccchenhui的博客 1075

GNSS - PPP软件 - GAMP 在VS2019/2022下完成调试、跑通程序（超详细！）

WIN32;_DEBUG;_CONSOLE;O_WARNINGS;ENAGLO;ENACMP;ENAGAL;ENAQZS;NFREQ=3。

qq_43381998的博客 8251

第3讲：单端传输线的时域TDR仿真（基于实战的第一次仿真视角切换）

本文为CST仿真系列教程的第3讲，主要介绍传输线阻抗（TDR）的两种仿真方法：基于S参数的频域计算和基于高斯脉冲的时域计算。文章详细演示了在CST PCB Studio中修改电容参数、设置TDR仿真参数（包括截止时间和采样点数）的操作步骤，并通过对比实验展示TVS寄生电容对阻抗曲线的影响。最后将两种TDR方法的结果进行对比，验证了两种方法的一致性。本教程适合硬件工程师通过时域波形直观分析传输线阻抗特性，是信号完整性分析的重要技能。

一只豌豆象的博客 229

《神经网络与深度学习》读书笔记（不完全）

（个人感觉书写得比较混乱，没看完就不想看了，个人不推荐看这本书） 神经网络与深度学习 读书笔记 《神经网络与深度学习》中国工信出版集团 电子工业出版社 作者：吴岸城   0.写在前面：神经网络的历史 Turing 《Can Machines think?》（《机器能思考吗？》）第一次提出机器思维的概念。   1 神经网络是个什么东西 迁移学习   神经网络

有被小窝 2788

Buck电源设计常见的一些问题（一）半桥栅极驱动芯片共性失效问题

半桥驱动芯片主要用在器件可应用于电信，数据通信，便携式存储或更低电压系统中的电源转换器，半桥、全桥、推挽、同步降压，正激变换器和同步整流器等方面。当然难免会遇到不少问题。基本上我们在产品开发的过程中都遇到过栅极驱动芯片坏掉的情况，所以找了一些资料，学习学习。也查找查找原因。

小幽余生不加糖 2369

《Neural Networks and Deep Learning》读书笔记：最简单的识别MNIST的神经网络程序

https://www.codelast.com/原创-《neural-networks-and-deep-learning》读书笔记：最简单的识别mnist的神/ https://www.codelast.com/原创-《neural-networks-and-deep-learning》读书笔记：最简单的识别mnist的神-2/

weixin_42869502的博客 153

基于Simulink的H∞鲁棒控制器设计与仿真建模示例

本文介绍了基于Simulink的H∞鲁棒控制器设计与仿真方法。针对质量-弹簧-阻尼系统存在±50%刚度不确定性的问题，详细阐述了从构建广义被控对象、设计性能加权函数，到使用hinfsyn综合控制器的完整流程。通过Simulink仿真验证，所设计的H∞控制器在参数摄动和外部扰动下均保持良好性能，位移控制误差小于2%，扰动衰减超过20dB。相比传统PID控制，H∞方法展现出显著鲁棒性优势。文章还总结了工程实践中的加权函数调参技巧、控制器降阶方法，并展望了μ-综合等扩展方向，为处理系统不确定性提供了实用解决方案。

amy_mhd的博客 70

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

《深度学习入门》（俗称：鱼书）读书笔记-第四章（神经网络的学习）

《深度学习入门》（俗称：鱼书）读书笔记-第四章（神经网络的学习）

wogan101的博客 1393

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

Learning Deep Architectures for AI 读书笔记

Learning Deep Architectures for AI 读书笔记 Chapter 2 一个函数称之为紧凑的【compact】如果它有比较少的计算单元【比如神经网络中的一个个结点】； 如果一个函数能够紧凑得被一个深层结构所表示，那么一个不那么深的结构可能得很大才足以表示这个函数 文献【62】：一个k层的多项式大小的逻辑门电路结构当变成k-1层时，它将变成指数大小 Theo

jiqiujia的专栏 1088

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

Deep Learning with Python 读书笔记 6.27 I 神经网络的数学基础

我感觉这样记录，对于我来说挺好的。因为我看两端对齐的语句容易走神，这样记录阅读的话，就很少出现之前的情况。 我写的初衷，也是自己来看，所以感觉写的不好的，请保留下意见，谢谢。 代码缩进情况，字体重复情况，因为我能看懂，就没改。 里面的每一个字我都看过，加粗 括号 下划线 等均是我的笔记。 要理解深度学习，需要熟悉很多简单的数学概念：张量、张量运算、微分、梯度下降等。 本章目的是用不那么技术化的文字帮你建立对这些概念的直觉。特别地，我们将避免使用数学 符号，因为数学符号可能...

nyist_yangguang的博客 736

【神经网络与深度学习】读书笔记

花了差不多两个星期读完，是一本非常好的书，除去专业知识外还增加了许多的额外知识，包括使用神经网络的原因以及卷积网络的由来，甚至加入了大量的生物方面的知识，使得整本书阅读起来都非常有趣。由于对算法原理讲解的也十分透彻，使得这本书也十分适合初学者使用。结合应用以及实际方法使得整体算法理解起来也非常的容易。通过阅读这本书，我对卷积网络的认识以及一些常用的算法都有了比较好的认识。唯一有一点小问题的就是对H

Beryl的博客 1080

【读书笔记】神经网络与深度学习

  https://hit-scir.gitbooks.io/neural-networks-and-deep-learning-zh_cn/  

weixin_34291004的博客 88

《Python深度学习》读书笔记：第3章 神经网络入门

目录 第3章 神经网络入门 3.1 神经网络剖析 3.1.1 层：深度学习的基础组件 3.1.2 模型：层构成的网络 3.1.3 损失函数与优化器：配置学习过程的关键 3.2 Keras简介 3.2.1 Keras、TensorFlow、Theano和CNTK 3.2.2 使用Keras开发：概述 3.3 建立深度学习工作站 3.3.1 Jupyter笔记本：运行深度学习实验的首选方法 3.3.2 运行Keras：两种选择 3.3.3 在云端运行深度学习任务：优点和缺点 3.3.4

weixin_44850744的博客 2108

深度学习的数学：深度学习和卷积神经网络 读书笔记

BP神经网络的问题 https://www.cnblogs.com/subconscious/p/5058741.html 神经网络与拓扑 摘抄于Neural Networks, Manifolds, and Topology，用于记录。 针对神经网络想要解决的问题，我们可以把神经网络看做线性可分的问题， https://zhuanlan.zhihu.com/p/22888385 http://c...

电影旅行敲代码 342

使用神经网络识别手写数字——《神经网络与深度学习》第一章读书笔记

说明：黄色突出显示部分与手写数字识别有关。 1.1 感知器 ⼀个感知器接受⼏个⼆进制输⼊，x1,x2,…，并产⽣⼀个⼆进制输出

WalkingComputer的博客 1063

深度学习入门：从人工智能到神经网络——邱锡鹏《神经与深度学习》第一章读书笔记

人工智能（Artificial Intelligence, AI）简单说就是让机器具有人类的智能。但"智能"本身没有明确定义。1950 年，阿兰·图灵发表了著名的论文《Computing Machinery and Intelligence》，提出了图灵测试一个人在不接触对方的情况下，通过一种特殊的方式和对方进行一系列问答。如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么就可以认为这个计算机是智能的。图灵测试的意义在于：它把"什么是智能"这个哲学问题转化成了一个可操作的科学问题。

2401_88147261的博客 420

神经网络与深度学习第一天读书笔记

书本来源 概念：感知器、S型神经元 感知器（Perceptrons） 一个感知器接受几个二进制的输入，得到一个二进制输出。 书上举例是三个，可以有更多输入。 threshold表示阈值，wj表示一个输入的权重。上式含义的意思就是如果加权和小于等于阈值，输出为0，加权和大于阈值，输出为1. 令b=-threshold，称谓偏置，则上式改写为： w

CODE and POEM 1381
上一篇： Android踩坑日记
下一篇： 解决：Command `npm install --save --save-exact react-native` failed.
点赞 0
评论 0
书签 书签 0
z529905310
z529905310
博客等级 码龄10年 11粉丝 37原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值