点击上方“智能与算法之路”，选择“星标”公众号
资源干货，第一时间送达
一、资源介绍
今天给大家分享一份关于深度学习数学基础的资料，这份资料是特拉维夫大学的教程《MATHEMATICS OF DEEP LEARNING》（《深度学习数学基础》）。这份PDF介绍了与深度学习相关的一些数学基础。作者认为，目前数学理论并不能很好地解释为什么深度学习可以达到如此好的效果。一些数学理论尝试解释深度网络的工作原理，例如深度网络需要多少训练数据、池化层的作用是什么、网络深度的作用等。后面，作者着重介绍了泛化误差、对抗攻击、输入边界、数据和模型的不变性等理论。
原文链接：
http://auai.org/uai2019/tutorials.php#tutorial4
二、主要内容
深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等
虽然现在有很多深度学习框架可以让用户像搭积木般搭建深度学习模型，但是机器学习中的一些数学理论，如泛化误差、VC维等对深度模型的构建依然有着非常重要的指导意义。例如现有的一些深度网络容易受到对抗样本的攻击，从工程角度来说，这些模型可能在大部分数据上能够达到满意的指标，但是人们可以利用这些网络理论上的漏洞和缺陷对其进行攻击，对自动驾驶等系统产生严重的影响

三、资源分享
同时为了方便大家，我们把最新的资料打包好了，可以直接下载！
获取方式：
1. 关注我们的公众号“智能与算法之路”
2. 后台回复“深度学习与数学基础” 即可以获取资料哈~（建议复制，避免错字）
推荐阅读

机器学习基础知识大全

学习计算机算法必备资料推荐

你心里是没点B树吗？

欢迎关注我们，收获资源干货！
继续阅读
阅读原文