《动手学深度学习》的英文版更新比中文版更及时，因此存在新增的内容
本文针对英文版增添的内容进行简要补充，尚未观看本书或笔记的读者建议先看正文
英文版中，将原本的第三章3.《动手学深度学习》线性神经网络拆分为两个部分：用于回归的线性神经网络和用于分类的线性神经网络
在英文版的第3章《用于回归的线性神经网络》的内容概述如下：
优化算法的目标是减少训练误差，追求损失最小化
深度学习的目标是减少泛化误差，寻找合适的模型
由于深度学习的优化算法一般是围绕误差传播和梯度展开的，因此围绕当梯度消失或值接近0时，会极大地干扰到深度学习的优化过程，其中常见的三种情况是：
监控Android手机短信、来电、APP通知，并根据指定规则转发
负债分为流动负债和非流动负债（长期负债）
流动负债包括：短期借款（一年以内偿还的借款），应付账款，其他应付账款，预收账款，其他负债(比如应付工资，应付税金等）
资产与负债是同一事物从两个角度思考的结果：
- 应收账款VS应付账款
- 其他应收账款VS其他应付账款
- 预付账款VS预收账款
非流动负债包括：长期借款（一年以后偿还的借款），应付债券（中国企业大多数情况下为0，因为企业债券的发行属于少数情况），长期应付款（比如融资性租赁），其他
融资性租赁：期限长，金额大（认为实质上不是租赁业务，而是
会计是什么？ ——在会计准则的允许范围之内做出合理的选择和判断，让它能够准确地描绘一个企业
说会计像变魔术的一个重要原因：在现代商业社会中，人们都会或多或少地在生活中使用会计信息来帮助自己做决策。
举例：某公司亏损1亿，在银行有贷款1.6亿，申请提前偿还，第一天拿房子（3000万）抵押给银行；第二天用1.6亿买了价值3000万的房子，房子增值至1.6亿。
该事件在报表上将体现为：
1.房子增值至1.6亿。 2.从亏损1亿到盈利3000万（没有违反会计原则，不是假账） 3.投资者
SHAP (SHapley Additive explanation)是一种解释任何机器学习模型输出的博弈论方法
SHAP库的特性：
第一单元：向量和矩阵（Unit
关于旋度的前置知识可参考之前的21课时中对于旋度的理解
速度场的旋度描述的是速度中的旋转运动分量，也就是角速度
加速度场的旋度描述的是加速度中的旋转运动分量，也就是角加速度
力场的旋度描述的是力的旋转分量，是扭矩力矩与转动惯性的比例，即单位质量的扭转力矩，更具体的来说： $$curl(\frac{力}{质量})=2\frac{扭矩力矩}{转动惯性}$$ 对于保守场$\vec{F}$来说，力来自于势能，而势能会依据能力守恒定律，转化为动能，因此此时的$\vec{F}$不会产生用于旋转的分量，即$curl(\vec{F})=0$
定义单连通区域：区域内的任意一个闭合回路，在该区域内都有一个以它为界的曲面
举例理解：
拓扑学拓展（通过”独立“环路数对曲面进行初步分类）：
- “甜甜圈”形状（doughnut）曲面：横切得到的环路由于内部存在洞所以找不到曲面，竖切得到的环路无法是任何曲面的边界，这两种”独立“环路都不能用于界定曲面边界
- 莫比乌斯环和克莱因瓶：属于不可定向（no-orientable）曲面，比如莫比乌斯环是单侧曲面，所以无法