什么是深度流形？
本文介绍深度流形框架，一个旨在揭示神经网络数学结构的理论体系，由四大支柱构成：学习作为反问题（解释了学习的适定性与锯齿智能现象）、范畴论（神经网络学习的是数据间关系而非数据本身）、堆叠分片流形（学习发生在层与迭代形成的演化几何结构中）、不动点理论（描述学习在变化边界条件下的推进方式）。文章阐述了神经网络方程、训练动力学、模型推理的数学原理，指出网络能力源于计算的无属性性与满秩性。该框架旨在为神经网络建立严谨的数学基础，实际意义在于实现更高效的学习、更好的对齐和更小的模型。
全部文档 / 标签: 范畴论
2 篇
我见青山多妩媚：二十世纪数学史（上）
本文回顾了二十世纪上半叶数学发展的核心脉络。不同于十九世纪的开荒式扩张，二十世纪数学转向对代数、几何、分析及基础的系统化与结构化。文章重点讲述了代数如何从解方程演变为研究结构，涵盖了诺特及其对对称性与守恒量联系的证明、抽象代数的建立、范德瓦尔登《代数学》的普及、布尔巴基学派的结构主义风格，以及范畴论对“结构之间的关系”的探索。文中强调了物理学和计算机作为两大外部力量对数学发展的深刻塑造。
