-
8.1 加深网络
8.1 加深网络 8.1.1 向更深的网络出发 8.1.2 进一步提高识别精度 8.1.3 加深层的动机 8.1 加深网络 关于神经网络，我们已经学了很多东西，比如构成神经网络的各种层、学习时的有效技巧、对图像特别有效的 CNN、参数的最优化方法等，这些都是深度学习中的重要技术。本节我们将这些已经学过的技术汇总起来，创建一个深度网络，挑战 MNI... -
1.1.2 金融领域的特殊性
1.1.2 金融领域的特殊性 1.1.2 金融领域的特殊性 本书阐释的财报分析和公司估值，不适用于保险公司和银行。 这种原因在于金融机构差异巨大的资本结构和商业模式。鉴于多数银行巨大的资产规模（例如及至2012年年底，摩根银行公布的资产总额为2.3万亿美元），企图做一个有深度的财报分析，结果肯定是自讨没趣，简单的原因就是这些机构财报所示的巨额规模。 ... -
空标题文档
这样花钱，越花越多 有传闻说，股神巴菲特喜欢用投资的理念看待花出去的每一分钱，评估这钱是不是用在了回报最高的地方，所以他买东西时看到的不是标签上的价格本身，而是很多年以后的复利增值。也就是说，一件100美元的衬衣在股神眼里是近1800美元（每年10%的收益拿30年）。这样一算，这件衬衣明显就太贵了，也就不买了。这样的消费观念导致股神每天只吃两三美元的麦当... -
4.5 案例研究：中国移动电话市场
4.5 案例研究：中国移动电话市场 下面是中国移动电话市场的一个主要参与者所做的竞争对手分析。简单地说，分析找出了如下样板信息。 方框1、2、3的关键信息表现出不匹配的情况。一个想要成为全球运营商的竞争对手，怎么能够在无法偿还债务的情况下，提供最低价的电话服务？关键的假设是公司内部经营，它与可能不再有效的一个文化推动因素有关。这就为另一个竞争对手提... -
13.1 为何要用AWT？
13.1 为何要用AWT？ 13.1 为何要用AWT？ 对于本章要学习的“老式”AWT，它最严重的缺点就是它无论在面向对象设计方面，还是在GUI开发包设计方面，都有不尽如人意的表现。它使我们回到了程序设计的黑暗年代（换成其他话就是“拙劣的”、“可怕的”、“恶劣的”等等）。必须为执行每一个事件编写代码，包括在其他环境中利用“资源”即可轻松完成的一些任务。... -
6.5 二叉树的定义
6.5 二叉树的定义 6.5.1 二叉树特点 6.5.2 特殊二叉树 6.5 二叉树的定义 现在我们来做个游戏，我在纸上已经写好了一个100以内的正整数数字，请大家想办法猜出我写的是哪一个？注意你们猜的数字不能超过7个，我的回答只会告诉你是“大了”或“小了”。 这个游戏在一些电视节目中，猜测一些商品的定价时常会使用。我看到过有些人是一点一点的数字... -
参考文献
参考文献 Python / NumPy 计算图（误差反向传播法） 深度学习的在线课程（资料） 参数的更新方法 权重参数的初始值 Batch Normalization / Dropout 超参数的最优化 CNN 的可视化 具有代表性的网格 数据集 计算的高速化 MNIST 数据集识别精度排行榜及最高精度的方法 深度学习的应用 ...