|
竞技宝官网app·600页PDF免费书稿《深度学习数学导论：方法、实本书致力于向读者介绍深度学习算法的基础知识。书中详尽地分析了深度学习算法的核心组成，包括多种人工神经网络（ANN）的架构，例如全连接前馈型ANN、卷积型ANN、循环型ANN、残差型ANN和包含批量归一化的ANN； 同时，也深入探讨了各种优化算法，比如经典的随机梯度下降（SGD）、加速方法以及自适应方法。此外，本书还涵盖了深度学习算法的若干理论面向，诸如ANN的逼近能力（包括ANN的微积分技术）、优化理论（包括Kurdyka-Łojasiewicz不等式）和泛化误差。 在书的最后部分，还审视了一些用于偏微分方程（PDEs）的深度学习近似方法，例如物理信息神经网络（PINNs）和深度Galerkin方法。 这本书能够对那些深度学习知识零基础的学生和科学家构筑坚实的理论基础，并且对于那些希望对深度学习中的概念和方法有更扎实数学理解的实践者也能有所裨益。 竞技宝官网app |
