资源名称：
《神经网络与深度学习》讲义（Notes on Artificial Neural Networks and Deep Learning）
作者介绍：
邱锡鹏（复旦大学计算机科学技术学院，副教授）
研究方向
统计机器学习
自然语言处理
对话系统/自动问答系统
#内容简介
##第一章：绪论：总结和深入阅读
##第二章：数学基础：
向量（向量的模，向量的范数）
矩阵
矩阵的基本运算（常见的矩阵，矩阵的范数）
导数（常见的向量导数，导数法则）
常用函数（logistic 函数，softmax 函数）
总结和深入阅读
##第三章：机器学习概述
机器学习概述（损失函数，机器学习算法的类型，机器学习中的一些概念，参数学习算法）
线性回归
线性分类（两类分类，多类线性分类）
评价方法
总结和深入阅读
##第四章：感知器
两类感知器（感知器学习算法，收敛性证明）
多类感知器（多类感知器的收敛性）
投票感知器
总结和深入阅读
##第五章：人工神经网络
神经元（激活函数）
前馈神经网络（前馈计算）
反向传播算法
梯度消失问题
训练方法
经验
总结和深入阅读
##第六章：卷积神经网络48
卷积（一维场合，两维场合）
卷积层：用卷积来代替全连接
子采样层
卷积神经网络示例：LeNet-5
梯度计算（卷积层的梯度，子采样层的梯度）
总结和深入阅读
##第七章：循环神经网络57
简单循环网络（梯度，改进方案）
长短时记忆神经网络：LSTM
门限循环单元：GRU
总结和深入阅读
