本文摘要：文章系统介绍了神经网络与深度学习的核心概念。第一部分从函数角度解析神经网络本质，阐述参数计算、梯度下降原理，并重点讨论正则化方法（如Dropout和权重衰减）在Transformer中的应用。第二部分揭示CNN中卷积核的本质特性，包括局部连接、权重共享机制，详细分析多通道卷积、感受野等关键参数。第三部分阐述词嵌入与RNN的工作原理，说明RNN通过隐藏状态处理序列数据的机制及潜空间的语义压