毕业设计记录

深度学习预备知识：

第一部分：基础数学课

高等数学 —— 起码知道偏微分及其性质、梯度的概念，也就是同济高数一+高数二的前几章

线性代数 —— 矩阵四则/微分运算，线性空间、线性变换、特征值特征向量

概率论 —— 概率、条件概率、贝叶斯公式、概率分布

最优化问题 —— 主要是梯度下降法

第二部分：机器学习

机器学习的基本目标和概念 —— 机器学习能解决什么问题、不能解决什么问题、如何解决这些问题

神经网络 —— 神经元模型、激活函数、反向传播算法

第三部分：图像处理

图像处理的基本方法 —— 滤波、二维卷积、二维正交变换、基本形态学运算（开/闭运算，膨胀/腐蚀）