深度学习概述以及知识点检索（持续更新）

神经网络与深度学习结构

​​​​​
上图选自《神经网络与深度学习》一邱锡鹏
下图为本人制作的流程图
​

知识点检索

1. 人工神经网络（Artificial Neural Networks）（ANNs）
2. 多层感知器（Multilayer Perceptron）（MLP）
3. 深度神经网络/深度前馈网络（Deep Neural Networks）（DNN）
4. 激活函数（Activation Function）
   深度学习–激活函数知识点
5. 决策边界（Decision Boundary）
6. 梯度下降（Gradient Descent）（GD）
7. 随机梯度下降（Stochastic Gradient Descent）（SGD）
8. 批量梯度下降（Batch Gradient Descent）（BGD）
9. 小批量梯度下降（Mini-Batch Gradient Descent）（MBGD）
10. 梯度消失问题（Vanishing Gradient Problem）
11. 梯度爆炸问题（Exploding Gradient Problem）
12. 梯度裁剪（Gradient Clipping）0
13. 前向传播（Forward Propagation）（FP）
14. 反向传播（Backward Propagation）（BP）
15. 目标函数（Objective Function）
16. 损失函数（Loss Function）
17. 代价函数（Cost Function）
18. 前馈神经网络（Feedforward Neural Networks）
19. 卷积神经网络（Convolutional Neural Networks）（CNN）
20. 循环神经网络（Recurrent Neural Networks）（RNN）
21. 长短期记忆神经网络（Long Short-Term Memory）（LSTM）
22. 标签（label）
23. 特征（feture）
24. 样本（example）
25. 训练（training）
26. 模型（model）
27. 回归模型（regression model）
28. 分类模型（classification model）
29. 过拟合（overfitting）
30. 预测（prediction）
31. 训练集（training set）
32. 验证集（validation set）
33. 测试集（test set）
34. 类别（class）
35. 收敛（convergence）
36. 准确度（accuracy）
37. 精确度（precision）
38. 召回率（recall）
39. 批次（batch）
40. 权重（weight）
41. 偏差（bias）
42. 经验风险最小化（Empirical Risk Minimization）（ERM）
43. 结构风险最小化（Structural Risk Minimization）（SRM）
44. 参数（parameter）
45. 超参数（hyperparameter）

---

以上未完待更新，仅供个人学习，侵权联系删除，如有错误或不足之处可指出，以便改进。