感觉中科大那本书的证明写得有烂啊，本文主要参照了华师大版近世代数的证明。
阅读本文需要一定的群论基础。
-
物件侦测与语义分割
本文简要介绍了用于 Object Detection 的 Region Proposal 以及 R-CNN 。
-
贝叶斯方法与逻辑回归
本来是想按照课程内容写的，但后来还是决定另起炉灶了。本文将简要的介绍
-
卷积神经网络的可视化与可解释性
CNN 的中间结果可视化技术原来还可以拿来干这些事情。
-
注意力机制
Attention Is All You Need.
-
循环神经网络
我本来还以为 RNN 会更厉害一点来着。
-
如何训练神经网络
简要介绍了训练神经网络的技术细节，并引入了 Transfer Learning 这一思想。
-
卷积神经网络
这应该是目前最强大的处理图像识别问题的工具。
-
卷积神经网络的发展
本文梳理了 CNN 模型的发展，简要介绍了 AlexNet 、VGG Net 、Google Net 以及 ResNet 。
-
反向传播
即 Back Propagation 。 如果你试着实现过神经网络，你就会发现进行梯度下降时手工计算神经网络的损失函数的形式导数是极为繁琐的。所以现在我们要来谈点求导的技术。