1、神經網路基本原理介紹：
（1）深度神經網路（dnn）模型與前向傳播演算法：
（2）深度神經網路（dnn）反向傳播演算法(bp)：
（3）深度神經網路（dnn）損失函式和啟用函式的選擇：
（4）深度神經網路訓練之梯度下降法：
（5）深度神經網路（dnn）的正則化：
機器學習之正則化）
補充：神經網路中的正則化是為了訓練的模型具有較大的泛化能力（泛化就是模型指對不同測試資料的適應能力），也就是減少過擬合的一種重要方法。其實現方法是：減小或去掉部分引數，使得過擬合效應減小。
（6）卷積神經網路(cnn)模型結構介紹：
（7）卷積神經網路(cnn)前向傳播演算法：
（8）卷積神經網路(cnn)反向傳播演算法：
（9）迴圈神經網路(rnn)模型與前向反向傳播演算法：
2、框架安裝配置與使用
（1）windows10下安裝faster rcnn（matlab版）：或或
（2）用faster rcnn(matlab)訓練自己的資料集：
製作voc2007資料集）
引數修改）
(3)mask rcnn的介紹與配置安裝：
(4)coco資料集介紹：
神經網路基礎及Keras入門
神經網路定義 人工神經網路，簡稱神經網路，在機器學習和認知科學領域，是一種模仿生物神經網路 動物的中樞神經系統，特別是大腦 的結構和功能的數學模型或計算模型，用於對函式進行估計或近似。為了描述神經網路，我們先從最簡單的神經網路講起，這個神經網路僅由乙個 神經元 構成，以下即是這個 神經元 的圖示 可...
神經網路基礎
上面是前14個筆記的乙個示意圖，簡單了點，但是內容架構應該是有的，先容我再道一道，梳理下 首先整體的第一周的課程是神經 網路 對，通向神經網路的基礎的網路，其中講解了內容模組包括 二分類問題簡單來說就是1和0的問題，也就是著名的cat 和 noncat問題，這個處理是靠輸入，然後計算機整合處理矩陣輸...
神經網路基礎
3.梯度下降 4.反向傳播 由線性分類 看基礎概念 邏輯回歸 線性回歸 只有一套引數，行為 是一套引數對某樣本的 值進行分類，線性分類 是由n套引數 結果有n個種類 行為 是分別對某樣本給出不同類別下的得分 使用softmax分類器後是概率 基礎損失函式 從某樣本在各類的的得分情況看損失 當正確的種...