*AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

深度学习（神经网络） —— BP神经网络原理推导及python实现摘要（一）BP神经网络简介1、神经网络权值调整的一般形式为：2、BP神经网络中关于学习信号的求取方法：（二）BP神经网络原理推导1、变量说明2、BP算法推导（三）BP神经网络python实现1、模型所需传参介绍2、模型具有的主要方法和属性3、python代码4、代码运行结果 摘要 本文首先介绍了BP神经网络求取学习信号的方法，其次对BP神经网络在原理上进行了推导，最后在python上进行编程实现，并将其封装，方便读者直接调用。 （