导读:本文包含了向量值表示论文开题报告文献综述及选题提纲参考文献，主要关键词:人工神经网络,深度学习,梯度下降法,多元函数导数的矩阵表示
向量值表示论文文献综述
杨迪威,边家文,张玉洁[1]（2016）在《多元向量值函数求导的矩阵表示及其在人工神经网络中的应用》一文中研究指出在介绍多元向量值函数求导的矩阵表示的基础上,给出了梯度下降法的工作原理及其训练神经网络的过程,最后通过Matlab仿真实验验证了梯度下降法的有效性.(本文来源于《海南大学学报(自然科学版)》期刊2016年04期）
施慧华[2]（2013）在《向量值测度的泛函表示》一文中研究指出给定有限测度空间(Ω,A,μ),令MX(A)=span{∑ni=1=χAixi,Ai∈A,xi∈X,n∈N}L∞(μ,X).证明了(Ω,A)上的向量值有限可加测度m是可列可加的当且仅当其对应泛函U是w*-序列连续的,对应关系由U(x)=∫Ωdm(x∈MX(A))确定.并借助于向量值测度的Yosida-Hewitt分解定理,进一步证明了任一定义于MX(A)上的连续线性泛函均能唯一分解成w*序列连续泛函与纯连续泛函的l和.(本文来源于《厦门大学学报(自然科学版)》期刊2013年03期）
向量值表示论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
给定有限测度空间(Ω,A,μ),令MX(A)=span{∑ni=1=χAixi,Ai∈A,xi∈X,n∈N}L∞(μ,X).证明了(Ω,A)上的向量值有限可加测度m是可列可加的当且仅当其对应泛函U是w*-序列连续的,对应关系由U(x)=∫Ωdm(x∈MX(A))确定.并借助于向量值测度的Yosida-Hewitt分解定理,进一步证明了任一定义于MX(A)上的连续线性泛函均能唯一分解成w*序列连续泛函与纯连续泛函的l和.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
向量值表示论文参考文献
[1].杨迪威,边家文,张玉洁.多元向量值函数求导的矩阵表示及其在人工神经网络中的应用[J].海南大学学报(自然科学版).2016
[2].施慧华.向量值测度的泛函表示[J].厦门大学学报(自然科学版).2013
标签：人工神经网络; 深度学习; 梯度下降法; 多元函数导数的矩阵表示;