神经网络计算模型与BP算法基础解析

东南大学崇志宏的这篇关于神经网络计算模型和BP 算法的，算是我最近看过最清晰的一份资料了，适合想打好基础的你。

神经网络的结构和计算过程讲得挺扎实，从基本的神经元、激活函数、层结构，一路铺开。你要是刚接触深度学习，这部分真的挺有用，能帮你把抽象的原理变成脑子里的图像。

BP 算法这块内容比较细，包括图上怎么反向传播、矩阵怎么表示，甚至还提到了 CNN、RNN、LSTM 里的变种，讲得全。你在用TensorFlow的时候，再看看这个就明白为什么梯度要这么算了。

TensorFlow 的张量流模式也提到了——不是那种浅尝辄止的讲法，而是从图的结构、节点的数据流再到分布式训练，全链路打通。你要是准备写点分布式训练的小项目，这段值得多看几遍。

文末还有些参考资料，像是 BP 神经网络的Matlab实现、隐层选择对结果的影响、甚至用遗传算法调网络参数。建议你有空一个个点开看看，实践结合理论，效果更好。

如果你正在啃 BP 算法、或者用TensorFlow写网络模型，不妨拿这篇当“查漏补缺”的小本本，蛮有的。