-
5.2 链式法则
5.2 链式法则 5.2.1 计算图的反向传播 5.2.2 什么是链式法则 5.2.3 链式法则和计算图 5.2 链式法则 前面介绍的计算图的正向传播将计算结果正向（从左到右）传递，其计算过程是我们日常接触的计算过程，所以感觉上可能比较自然。而反向传播将局部导数向正方向的反方向（从右到左）传递，一开始可能会让人感到困惑。传递这个局部导数的原理，是... -
读入数据
5.7.3 误差反向传播法的梯度确认 5.7.4 使用误差反向传播法的学习 参数 X 是图像数据、t 是正确解标签 accuracy(self, x, t) 计算识别精度 numerical_gradient(self, x, t) 通过数值微分计算关于权重参数的梯度（同上一章） gradi... -
6.4 正则化
6.4 正则化 6.4.1 过拟合 6.4.2 权值衰减 6.4.3 Dropout 6.4 正则化 机器学习的问题中，过拟合 是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据，也希望模型可以进行正确的识别。我们可以制作复杂的... -
8.1.4 经营性和财务性杠杆
8.1.4 经营性和财务性杠杆 8.1.4 经营性和财务性杠杆 权益成本和资金成本的评估是公司估值不可或缺的部分。作为著名CAPM模型（基于公司贝塔）和本书介绍的一些方法，具体公司风险也能通过经营性杠杆和财务杠杆求得。这种方法的基础就是公司风险的初始本性。 何为公司风险？它就是亏钱的风险，即因为（固定）成本基数无法根据收入的变化而迅速予以调整的可能性... -
空标题文档
14.6 伊藤引理 股票期权的价格是标的股票价格和时间的函数。更一般地讲，任意一种衍生产品的价格都是某些标的随机变量和时间的函数。想认真学习衍生产品定价的学生应该对随机变量函数的性质有所了解。在这个领域中的一个重要结论是数学家在1951年发现的伊藤引理。（注：见，“On Stochastic Differential Equations，”Memoirs... -
小脑
小脑 小脑 你可以用两种方法抓住高飞球。你可以通过求解控制球的移动的复杂联立微分方程，以及你在观察球移动时的特定角度方程，然后利用更多的方程计算出如何移动你的身体、手臂和手，在合适的位置、合适的时间接住球。 大脑却不采用这种方法。基本上，大脑会将很多方程简化为一些简单的趋势模型，考虑球会落在你视线范围内哪个区域的趋向以及它在这个范围内的移动速度。它也... -
1.5 逻辑结构与物理结构
1.5 逻辑结构与物理结构 1.5.1 逻辑结构 1.5.2 物理结构 1.5 逻辑结构与物理结构 按照视点的不同，我们把数据结构分为逻辑结构和物理结构。 1.5.1 逻辑结构 逻辑结构：是指数据对象中数据元素之间的相互关系。其实这也是我们今后最需要关注的问题。逻辑结构分为以下四种： 1．集合结构 集合结构：集合结构中的数据元素除了同属于一...