主要介绍了单隐层网络的发展历程，发展期间遇到的问题机器解决方案，根据目标函数和网络结构列出其权重和阈值的递推公式，有助于加深对神经网络的理解，设计自己的网络或者目标函数。

1、连接数据库的过程步骤 2、完成增删改查案例 3、具体案例代码分析

相比于2018年，在ICLR2019提交论文中，提及不同框架的论文数量发生了极大变化，网友发现，提及tensorflow的论文数量从2018年的228篇略微提升到了266篇，keras从42提升到56，但是pytorch的数量从87篇提升到了252篇。 TensorFlow: 228—>266 Keras: 42—>56 Pytorch: 87—>252 在使用pytorch中，自己有一些思考，如下： 1. loss计算和反向传播 import torch.nn as nn criterion = nn.MSELoss().cuda() output = model(input) loss

本pdf文档给出了BP神经网络权值参数更新过程的详细推导，对于神经网络初学者有很大的帮助。

关于深度学习神经网络参数更新方法的文献