神经网络反向传播的数学原理

本课程是“火炬上的深度学习”系列课程的配套视频,主要讲解了神经网络和反向传播算法的数学原理。(课时:38 分钟)

深度学习 PyTorch 反向传播算法 梯度

讲师:   张江

课程资料

  • 课件下载:(报名后可见)

课程背景

本讲是系列课程“共享单车需要我”的附属课程,详细讲解了神经网络和反向传播算法的数学原理。

课程目的

学完本课程,你能做到

  • 了解神经网络模型与反向传播算法的数学原理

课程详情

在本讲解中,我们从如下方面介绍了神经网络模型中的一些基本知识:

  • 神经元网络模型

    • 前馈人工神经网络、神经元、激活函数的数学概念

    • 分类问题、预测问题的数学模型

    • 误差计算、学习问题、梯度下降的数学原理

  • 反向传播算法

    • 算法的基本概念

    • 算法的的一般性数学原理

    • 单个神经元的误差、权重的更新

    • 科罗内克积(Kroneker product)