1、计算图：将计算过程用数据结构图表示，通过多个节点和边表示，节点用O表示，O中是计算内容，将计算的中间结果写在箭头上方，表示各个节点的计算结果从左向右传递。用计算图解题的流程即：①构建计算图；②在计算图上从左向右进行计算（正向传播，从计算图出发点到结束点的传播，反向传播正好相反）。2、计算图的优点：①计算图可以集中精力于局部计算，从而简化问题，无论全局计算多么复杂，各个步骤所要做的就是对象节点的

1、卷积神经网络CNN （Convolutional Neural Network）：被广泛应用于图像识别、语音识别等场合，在图像识别比赛中，基于深度学习的方法几乎都以CNN为基础。CNN中新增卷积层（Convolution层）和池化层（Pooling层），连接顺序变成了“Convolution-Relu-Pooling（有时可以省略）”，而输出层的前一层依旧使用“Affine-ReLU”组合。2

1、统计学习（statistical learning）也称为统计机器学习，是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析预测的一门学科，主要特点有：统计学习以计算机及网络为平台，建立在计算机及网络上；统计学习以数据为研究对象，是数据驱动的学科；统计学习的目的是对数据进行预测分析；统计学习以方法为中心，构建模型并应用模型进行分析预测；统计学习是概率论、统计学、信息论、计算理论、最优化

1、神经网络的学习：指的是从训练数据中自动获取最优权重参数的过程。学习的目的是以损失函数为基准，找出能使它的值达到最小的权重参数，采用函数斜率的梯度法可以找出尽可能小的损失函数的值。2、从数据中学习：...

1、神经网络：一个重要性质是它可以自动从数据中学习到合适的权重参数，用图表示神经网络的话，最左边的一列称为输入层，最右边的一列称为输出层，中间的一列称为中间层（也称隐藏层）。一般而言，“朴素感知机”是指单层网络，指的是激活函数使用了阶跃函数（一旦输入超过阈值，就切换输出的函数）的模型；“多层感知机”指神经网络，即使用sigmoid函数等平滑的激活函数的多层网络。2、激活函数：将输入信号的总和转换为

1、计算图：将计算过程用数据结构图表示，通过多个节点和边表示，节点用O表示，O中是计算内容，将计算的中间结果写在箭头上方，表示各个节点的计算结果从左向右传递。用计算图解题的流程即：①构建计算图；②在计算图上从左向右进行计算（正向传播，从计算图出发点到结束点的传播，反向传播正好相反）。2、计算图的优点：①计算图可以集中精力于局部计算，从而简化问题，无论全局计算多么复杂，各个步骤所要做的就是对象节点的

研究背景：随着深度神经网络的不断发展，各种模型和新颖模块的不断发明利用，人们逐渐意识到开发一种新的神经网络结构越来越费时费力，为什么不让机器自己在不断的学习过程中创造出新的神经网络呢？正是出于这个构思，2017年Google推出了AutoML，一个能自主设计深度神经网络的AI网络。自此，人工智能又有了更进一步的发展，人们开始探索如何利用已有的机器学习知识和神经网络框架来让人工智能自主搭建适合业务场

1、神经网络：一个重要性质是它可以自动从数据中学习到合适的权重参数，用图表示神经网络的话，最左边的一列称为输入层，最右边的一列称为输出层，中间的一列称为中间层（也称隐藏层）。一般而言，“朴素感知机”是指单层网络，指的是激活函数使用了阶跃函数（一旦输入超过阈值，就切换输出的函数）的模型；“多层感知机”指神经网络，即使用sigmoid函数等平滑的激活函数的多层网络。2、激活函数：将输入信号的总和转换为

1、工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件的振动，飞机机翼的颤动等，还有一些稳定性分析及相关性分析问题，都可以转化为求矩阵特征值与特征向量的问题。2、幂法是求矩阵最大模的特征值和相应特征向量的有效而简单的方法，特别适用于大型矩阵或稀疏矩阵，也是计算矩阵谱半径的有效方法，但是它的收敛速度是线性的，一般使用原点位移法或者Aitken外推加速技术加速收敛。方法提出——设n x n阶实矩