文章目录

• 1. 书籍下载
• 2. 正文

  1. 书籍下载

  链接：https://pan.baidu.com/s/1QbK0enLh0x4nU1c4Tqwlkw

  提取码：r7ft

  本课程回顾线性代数在概率论、统计学、优化和深度学习中的应用。是GILBERT STRANG教授的有一个经典的课程。课程将线性代数分为如下部分：

  2. 正文

  线性代数中我们主要关注的是部分特殊的矩阵，比如对称矩阵，正交矩阵，正定矩阵等关于线性代数的核心知识。关键的步骤是将矩阵A进行分解为对称矩阵乘以正交矩阵，或者正交矩阵乘以对角矩阵。或者是矩阵A的奇异值SVD分解。深度学习的作用是通过你输入的数据不断学习而生成一个函数进行输出，达到你想要的目的。比如数字识别，siri语音识别。

  • 我们需要设计一个类似于ReLu函数的矩阵，使得神经网络能够进行学习
  • 我们需要对矩阵进行处理，其实就是正则化，保证方差和均值合理，使得矩阵相乘后不会梯度爆炸或者梯度消失。