马老师教AI：第一篇 神经网络是如何实现的（十）

第一篇 神经网络是如何实现的（十） 清华大学计算机系 马少平 第十节：深度学习框架 小明：艾博士，我看这些神经网络越来越复杂，都是用BP算法求解。我看了一些BP算法的推导过程，还是挺复杂的，网络有些变化就可能需要重新推导，而在实验过程中可能会做很多尝试，这样每次都重新推导BP算法岂不是太麻烦了？ 艾

马老师教AI：第一篇 神经网络是如何实现的（九）

第一篇 神经网络是如何实现的（九） 清华大学计算机系 马少平 第九节：长短期记忆网络 艾博士：我们到目前介绍的循环神经网络中，每个子网络还比较简单，存在不少问题。比如当句子比较长时，也存在类似梯度消失的问题，只是这种梯度消失

马老师教AI：第一篇 神经网络是如何实现的（八）

第一篇 神经网络是如何实现的（八） 清华大学计算机系 马少平 第八节：循环神经网络 小明一直想着如何用神经网络处理不等长文本的方法，这天又来找艾博士。艾博士知道小明非常好学，一见到小明就知道了他的来意。 艾博士：小明，我们今天接着上课，今天讲一种处理不等长文本的神经网络——循环神经网络RNN。 艾博

马老师教AI：第一篇 神经网络是如何实现的（七）

第一篇 神经网络是如何实现的（七） 清华大学计算机系 马少平 第七节：词向量

马老师教AI：第一篇 神经网络是如何实现的（六）

第一篇 神经网络是如何实现的（六） 清华大学计算机系 马少平 第六节：过拟合问题 小明：艾博士，这些神经网络设计的好复杂啊，这些复杂的神经网络也是通过BP算法进行训练的吗？<

马老师教AI：第一篇 神经网络是如何实现的（五）

第一篇 神经网络是如何实现的（五） 清华大学计算机系 马少平 第五节：梯度消失问题 小明：艾博士，在这两个例子中，您均提到了用ReLU这个激活函数，这是为什么呢？

马老师教AI：第一篇 神经网络是如何实现的（四）

第一篇 神经网络是如何实现的（四） 清华大学计算机系 马少平 第四节：卷积神经网络 小明对神经网络的学习越来越感兴趣，这天又来找艾博士。

马老师教AI视频版：第三篇 计算机是如何找到最优路径的（八）

马老师教AI视频版：第三篇 计算机是如何找到最优路径的（七）

马老师教AI视频版：第三篇 计算机是如何找到最优路径的（六）

马老师教AI视频版：第三篇 计算机是如何找到最优路径的（五）

马老师教AI视频版：第三篇计算机是如何找到最优路径的 四-5