利用pycharm（python)将 ipynb 文件转换为markdown、html、python等文件

神经网络的反向传播（Backpropagation）是一种通过计算损失函数梯度来调整网络权重的算法，是训练深度学习模型的核心方法。

以下内容的整合解释，涵盖NumPy数组、激活向量、神经网络模型和前向传播的核心概念和公式

论文提出了一种结合**图卷积网络（GCN）** 和 **长短期记忆网络（LSTM）** 的混合模型（GCN-LSTM），用于预测滑坡引起的累积变形。

现有预测方法通常依赖点采样数据，忽略了滑坡演化中的异质性。为此，我们提出将<font color="#ff0000">时空图卷积网络（STGCN）</font>与<font color="#ff0000">合成孔径雷达干涉测量（InSAR）</font>相结合，以捕捉滑坡事件的时空特征。STGCN 通过图神经网络（GNN）层处理空间特征，并利用门控循环单元（GRU）层分析时间动态，从而更精确地提取