课程大纲：

Python 神经网络编程培训

1 预测器与多分类器

2 矩阵运算

3 误差的反向传播

4 Python 的基础教程

5 手写数字识别

6 神经网络的概念

7 信号的正向反馈

8 权重的优化方法

9 使用 Python 手写神经网络结构

10 神经网络结构优化

1
预测器与分类器

1.人工智能的概念

2.预测机

3.分类机

4.模型的训练

2
多分类器与神经网络

1.线性分类器的局限

2.激活函数的意义

3.神经网络的起源

4.神经网络的结构

5.模型训练的本质

6.全连接的意义

3
神经网络的正向传播

1.信号的传播

2.矩阵的乘法

3.矩阵在神经网络中的应用

4.信号在多层神经网络中的传播

4
误差的反向传播

1.神经网络的权重学习

2.反向传播的意义

3.输出误差的分割

4.反向传播的全过程

5
神经网络的学习

1.暴力破解权重的不可行性

2.梯度下降法

3.梯度下降的步长

4.梯度的计算

5.梯度下降在神经网络中的应用

6
参数的选择

1.权重更新的范例

2.激活函数的选择

3.初始化权重的方法

4.目标值的使用范围

7
简单的 Python 入门

1.变量的定义

2.数组的定义

3.函数的定义

4.类的定义

8
使用 Python 制作神经网络

1.神经网络类的框架

2.神经的初始化

3.神经网络的查询

4.神经网络的训练

9
手写数字识别

1.MNIST数据的介绍

2.数据的预处理

3.神经网络模型的训练

4.神经网络模型的预测

5.神经网络模型的优化

实验 10
神经网络的内部原理

1.神经网络的黑盒子

2.神经网络的逆运算

3.神经网络的向后查询

4.扩大数据集的方法