深度学习数学（第八批）

导读：本目录共六个专题，覆盖深度学习与具身智能的数学基础。推荐学习顺序为：逼近理论 -> 泛化理论 -> Transformer 数学 -> Diffusion Models -> VLA 框架，等变网络可与后三者并行学习。

逻辑递进关系：逼近理论提供神经网络表达力的理论基础，泛化理论在此之上回答有限样本的泛化问题，Transformer 与 Diffusion Models 给出当前两大主力架构的数学原理，VLA 将前述架构集成为端到端机器人策略，等变网络提供对称性约束的统一数学语言。

目录

编号	专题	说明
10	神经网络逼近理论	万能逼近定理与表达力分析
20	泛化理论	PAC 学习、Rademacher 复杂度与 PAC-Bayes
30	Transformer数学基础	Transformer 架构的数学原理
40	Diffusion_Models数学	Diffusion Models 的数学基础
50	具身智能VLA框架	具身智能 VLA 框架
60	等变与不变网络	等变与不变网络：从群表示论到机器人策略

---