今天給大家介紹一份不錯的深度學習數學基礎，共 112 頁 PPT，7 月 22 号剛剛釋出。
作者：
本教程的作者是以色列特拉維夫大學電氣工程學院的助理教授 Raja Gieles。他的研究興趣在于信号和圖像處理和機器學習之間的交叉，特别是在深度學習、逆問題、稀疏表示和信号和圖像模組化中。
摘要：
在過去的五年中，由于引入了深度神經網絡進行特征學習和分類，識别系統的性能有了顯著的提高。然而，這一成功的理論基礎仍然難以捉摸。本教程将介紹一些深神經網絡的理論結果，其目的是為屬性提供數學證明，如逼近能力、收斂性、全局最優性、不變性、學習表征的穩定性、泛化誤差等。讨論了發展理論對神經網絡實踐訓練的啟示。
本教程将從 90 年代早期的神經網絡理論（包括著名的 hornik 等人的研究成果）開始，還有 Cybenko）。接下來，我們将讨論過去五年中為深度學習而建立的最新理論成果。本文還将讨論該理論所遵循的實際考慮。
首先放上該教程的線上位址：
http://auai.org/uai2019/tutorials.php#tutorial4
鄭重聲明：本文 PPT 解釋權系原作者所有，本文分享僅供大家學習參考使用，切勿做其他用途。希望大家看完本文，能夠對自己有所啟發，并祝願各位能做出突出研究。
原文 PDF 下載下傳連結：
https://pan.baidu.com/s/1svoIanxcXx38fqNnQtr-7Q提取碼：kfmq