【初学者指南】神经网络中的数学

2019 年 12 月 16 日 专知
导读

本文是一份为初学者准备的指南,关于神经网络中的数学问题,帮助读者理解神经网络模型中的数学概念和应用。


作者 | A.C.C. Coolen

编译 | Xiaowen



本文试图描述数学在塑造我们对神经网络如何操作的理解方面的作用,以及在方程中捕获神经网络所产生的奇怪的新的数学概念。本文的目标人群是出血症,将对神经网络任务、模型和计算的相对简单的例子进行选择,而不是尝试给出一个完整的百科全书式的评论。


目录


完整PDF下载:关注专知公众号(点击上方蓝色专知关注)
  • 后台回复“MNN2019” 获取 A Beginner's Guide to the Mathematics of Neural Networks 链接下载索引~


参考链接:

https://link.springer.com/chapter/10.1007/978-1-4471-3427-5_2


专 · 知


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
登录查看更多
31

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
还在修改博士论文?这份《博士论文写作技巧》为你指南
专知会员服务
171+阅读 · 2020年6月4日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
129+阅读 · 2020年3月15日
【强化学习】深度强化学习初学者指南
专知会员服务
179+阅读 · 2019年12月14日
机器学习数学基础【附PPT下载】
专知
45+阅读 · 2018年9月17日
Network Embedding 指南
专知
21+阅读 · 2018年8月13日
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
6+阅读 · 2018年2月28日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
5+阅读 · 2015年9月14日
VIP会员
相关论文
Top
微信扫码咨询专知VIP会员