Hugo Narrow
Series Posts
Categories Tags Projects Archives
Series Posts
Categories Tags Projects Archives
  1. Home
  2. Posts
  3. 深度学习

深度学习

从神经网络基础出发,以逻辑回归等经典二分类模型为起点,逐步过渡到支持向量机等传统机器学习方法,再深入卷积神经网络的结构构建与训练。内容兼顾数学原理、网络改进与优化策略,构成从基础模型到深度学习的完整知识链。

6 pages

神经网络基础

介绍逻辑回归、损失函数、激活函数与反向传播等神经网络基础

February 25, 2026
2 min
神经网络,逻辑回归,激活函数

改善深层神经网络

介绍正则化、优化算法与批归一化等深层神经网络训练技巧

February 25, 2026
6 min
正则化,优化算法,批归一化

结构化机器学习策略

介绍机器学习训练调试策略、评价指标及迁移与多任务学习

February 25, 2026
5 min
机器学习,迁移学习,多任务学习

卷积神经网络

介绍卷积运算、池化及经典卷积网络与目标检测算法

February 25, 2026
9 min
卷积神经网络,目标检测,迁移学习

支持向量机

介绍支持向量机的大间隔、核函数与软间隔原理

February 25, 2026
7 min
支持向量机,核函数,间隔最大化

符号约定

说明神经网络与卷积神经网络的数学符号约定

February 25, 2026
1 min
符号约定,卷积神经网络
Projects About

© 2026 Hugo Narrow

Powered by Hugo & Narrow

Search

Start searching

Searching...

No results

↑↓ Navigate
↵ Select
ESC Close
⌘K Shortcut