神经网络入门基础文章

1、神经网络基本原理介绍：

（1）深度神经网络（DNN）模型与前向传播算法：

http://www.cnblogs.com/pinard/p/6418668.html

（2）深度神经网络（DNN）反向传播算法(BP)：

http://www.cnblogs.com/pinard/p/6422831.html

（3）深度神经网络（DNN）损失函数和激活函数的选择：

http://www.cnblogs.com/pinard/p/6437495.html

（4）深度神经网络训练之梯度下降法：

http://www.cnblogs.com/pinard/p/5970503.html

（5）深度神经网络（DNN）的正则化：

http://www.cnblogs.com/jianxinzhou/p/4083921.html（机器学习之正则化）

http://www.cnblogs.com/pinard/p/6472666.html

补充：神经网络中的正则化是为了训练的模型具有较大的泛化能力（泛化就是模型指对不同测试数据的适应能力），也就是减少过拟合的一种重要方法。其实现方法是：减小或去掉部分参数，使得过拟合效应减小。

（6）卷积神经网络(CNN)模型结构介绍：

http://www.cnblogs.com/pinard/p/6483207.html

（7）卷积神经网络(CNN)前向传播算法：

http://www.cnblogs.com/pinard/p/6489633.html

（8）卷积神经网络(CNN)反向传播算法：

http://www.cnblogs.com/pinard/p/6494810.html

（9）循环神经网络(RNN)模型与前向反向传播算法：

http://www.cnblogs.com/pinard/p/6509630.html

2、框架安装配置与使用

（1）windows10下安装faster rcnn（matlab版）：

http://www.cnblogs.com/LaplaceAkuir/p/6445189.html

或http://blog.csdn.net/sinat_30071459/article/details/50546891

或http://blog.csdn.net/lalalazds/article/details/73863696

（2）用faster rcnn(MATLAB)训练自己的数据集：

http://blog.csdn.net/cuixing001/article/details/77092627（制作VOC2007数据集）

http://blog.csdn.net/qq_31975211/article/details/78728479

http://www.yangzaixing.com/Channel/1/Article/15（参数修改）

(3)Mask RCNN的介绍与配置安装：

http://blog.csdn.net/xiongchao99/article/details/79167353

(4)COCO数据集介绍：

http://blog.csdn.net/u012905422/article/details/52372755

http://blog.csdn.net/yeyang911/article/details/78675942