关于deep learning的线性代数
如果精通线性代数， 可以跳过本部分。
构建神经网路首先需要构建感知器， 感知器即为最基本的神经元， 为线性模型， 需要基本线性代数知识。通过多重神经网络的构建即可达到深度学习的目的。
- scalers, vectors, matrix and tensors. 分别为
scalers: 代表一个数字常量
vectors: 向量
matrix:
tensors: 表示二维以上空间中的点
Ai,j,k - 矩阵的转置， 相乘， 点积
转置：
相乘：
基本公式：
向量点积：
矩阵乘积转置：
线性方程三种表达方式：
一般常用第一种。 - 单位矩阵和逆矩阵
- 线性独立与线性相关
Ax = b, 中关于A构成的方程无多于的方程即为各方程线性独立， 反之线性相关。 - 模
向量电乘 - 转置与可逆
- 对角化：