@antoniolupetti：《神经网络数学》是一套优秀的讲义，适合任何希望从数学角度研究现代神经网络的人……

X AI KOLs Timeline 论文
neural-networks mathematics lecture-notes deep-learning optimization geometric-deep-learning

摘要

一套涵盖神经网络数学的讲义，从基本激活函数到群卷积和等变性等几何概念。

《神经网络数学》是一套优秀的讲义，适合任何希望从数学角度研究现代神经网络的人。 它涵盖了监督学习、人工神经元和激活函数（ReLU、sigmoid、tanh、swish、softmax）、浅层和深度神经网络、随机梯度下降、权重初始化、梯度消失和爆炸、卷积神经网络、自动微分、反向传播、自适应优化算法（Adagrad、RMSProp、Adam），并以现代几何概念作为结束，如流形、李群、等变性、群卷积和旋转平移等变CNN。 我建议将其加入书签，当您需要探索神经网络背后的数学时，它会是一个有用的参考。 https://arxiv.org/abs/2403.04807
查看原文
查看缓存全文

缓存时间: 2026/06/28 16:11

“神经网络的数学“是一套优秀的讲义笔记，适合任何希望从数学角度研究现代神经网络的人。

内容涵盖监督学习、人工神经元与激活函数（ReLU、sigmoid、tanh、swish、softmax）、浅层与深层神经网络、随机梯度下降、权重初始化、梯度消失与梯度爆炸、卷积神经网络、自动微分、反向传播、自适应优化算法（Adagrad、RMSProp、Adam），并以现代几何概念收尾，如流形、李群、等变性、群卷积，以及旋转平移等变CNN。

我建议你将其加入书签，作为探索神经网络背后数学原理时的实用参考。

https://arxiv.org/abs/2403.04807

神经网络的数学（研究生课程讲义）

来源：https://arxiv.org/abs/2403.04807 文献工具

文献与引用工具

文献浏览器 切换

代码、数据与媒体

本文相关的代码、数据与媒体

演示

演示

相关论文

推荐与搜索工具

IArxiv 推荐器 切换

关于 arXivLabs

arXivLabs：与社区合作者的实验性项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都已接受并认可我们的价值观：开放、社区、卓越以及用户数据隐私。arXiv 致力于这些价值观，并仅与遵守这些价值观的合作伙伴合作。

有一个能为 arXiv 社区增添价值的项目想法？了解更多关于 arXivLabs (https://info.arxiv.org/labs/index.html)。

相似文章