简明《神经网络数学》手册，16页pdf带你入门，Mathematics of Neural Networks

第一章 判别式神经网络 Discriminative Neural Networks

自2012年以来，深度神经网络已经彻底改变了机器学习。尽管这项技术相对较老，但近年来在文字、声音、图像和视频识别方面取得了令人瞩目的进步。考虑到这些方法的利害关系，在数学和算法之间的衔接问题就出现了。在本文中，我将解释这些网络的结构以及它们的监督学习的关键概念。

1.1 算法和数学学习 Algorithmics and mathematics of learning 1.2 判别式神经网络 Discriminative neural networks 1.3 神经网络监督学习 Supervised learning of a neural network 1.4 神经网络效率 The efficiency of neural networks

第二章 生成式神经网络 Generative Neural Networks

在前一篇文章中，我们了解了如何以监督的方式训练神经网络。这使得有效地解决分类问题成为可能，例如图像识别。也许更令人惊讶的是，这些神经网络也以一种无人监督的方式被用来自动生成“虚拟”文本或图像，这通常被称为“深度伪造”。在第二篇文章中，我将把生成神经网络的学习和最优运输理论联系起来。这个问题在18世纪由加斯帕德·蒙格提出，然后在20世纪中叶由列昂尼德·坎托罗维奇重新阐述。现在，它已经成为解决数据科学中重要问题的首选工具。

2.1 Generative neural networks 2.2 Unsupervised learning of generative networks 2.3 Monge’s optimal transport 2.4 The optimal transport of Kantorovitch 2.5 Adversarial networks