Tagged
神经网络
机器学习数学推导（十九）：神经网络与反向传播
神经网络如何学习？本文推导前向传播的矩阵形式、反向传播的链式法则逐层推导、梯度消失/爆炸的数学分析、以及 Xavier 和 He 初始化的方差保持策略。
推荐系统（三）—— 深度学习基础模型
从 MLP 到 Embedding，再到 NeuMF、YouTube DNN、Wide & Deep —— 用渐进的方式讲清深度学习推荐系统的每一块基石，附经过原文核对的架构图和可直接运行的 PyTorch 代码。
深度学习中的线性代数 -- 从全连接到 Transformer
深度学习的核心就是大规模矩阵运算。本章从单个神经元到全连接层的矩阵形式，反向传播的矩阵链式法则，卷积的 im2col 技巧，注意力机制的矩阵操作，到 LoRA 低秩微调。
PDE与机器学习（一）：物理信息神经网络
从有限差分到 PINN：自动微分、PDE 残差损失、Neural Tangent Kernel 视角的训练病理、Burgers 反问题、与 FEM/神经算子的对比，配 7 张实验图。