Alice's Adventures in a Differentiable Wonderland -- Volume I, A Tour of the Land

这本书是一本自包含的介绍现代(深度)神经网络设计的书籍。因为“神经”这个术语带有很多历史背景，所以作者更喜欢在文本中使用更简单的术语“可微模型”。这本250页的书的重点是构建处理$n$D数据的高效块，包括卷积、变换器、图层和现代循环模型(包括线性变换器和结构化状态空间模型)。由于这个领域正在快速发展，作者试图在理论和代码、历史考虑和最近趋势之间取得良好的平衡。作者假设读者对机器学习和线性代数有一定了解，但在必要时也会涵盖基础知识。 这本书是作者在Sapienza教授的名为“数据科学应用的神经网络”课程的讲义的精细草稿。作者没有涵盖许多高级主题(生成建模、可解释性、提示、代理)，这些主题将随着时间的推移在伴随网站上发布。

论文旨在介绍设计现代（深度）神经网络的基础，包括卷积、变换器、图层和现代循环模型等不同iable模型的有效处理块，以及如何处理nD数据。

论文提供了一种新的思路，即将神经网络称为可区分模型，并介绍了一些新的模型设计，如线性变换器和结构状态空间模型。

论文的重点在于如何构建处理nD数据的高效块，同时在理论和代码、历史和现代趋势之间取得良好平衡。作者假设读者具有一定的机器学习和线性代数知识，并在必要时进行了相关介绍。论文还提供了一些实验结果，并使用了一些开源数据集。

在这个领域中，最近的相关研究包括生成建模、可解释性、提示和代理等高级主题，这些主题将在论文的配套网站上陆续发布。