年轻人起来冲

图像的几何变换，主要理解仿射变换的原理及仿射变换矩阵的作用

本文使用 LSTM 对流媒体的 6 个关键指标进行预测

总结图片的基本可调特征，如色调、饱和度、亮度，同时讲到颜色空间以及颜色空间的应用

GCN 的基础知识

本文介绍 CNN 的基础原理，由此发展出多种概念，包括：1 x 1 卷积、分组卷积、空洞卷积、深度可分离卷积、分解卷积、反卷积、形变卷积等

本文通过拆解 LSTM，并通过统计几个模块的参数量来分析各个模块的原理

郑重声明，文章大部分翻译自:
Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras

数据: 1949 到 1960 共 12 年，每年 12 个月的数据，一共 144 个数据，单位是 1000, 原文数据下载在这里

目标: 预测国际航班未来 1 个月的乘客数

主要讲解图像矩阵的加法，包括矩阵相加，加权和遮罩相加

本文用于解释最基础的神经网络 - 感知机的原理，它是后续 CNN、RNN 的基础，CNN 只是在感知机的概念加入 “局部连接” 的思想，每个局部执行的还是加权和；RNN 只是给每个隐藏层加一个隐状态

本文按照：感知机 -> 多层感知机 -> 全连接层 -> 人工神经网络的步骤去理解 Linear 层

结构重参数化的原理