Update README.md

README.md

 # License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9
 works in real-time with detection and recognition accuracy up to 99.8% for Chinese license plates: 100 ms/plate！
+  【重要通知】：将从理论到实践，建立一个微信公众号，把近期的总结以专题形式公布出来，初步目录为：
+  欢迎大家关注公众号：ai_portumo。
   
+  • 目录
+• 【第一章 线性代数】
+• 矩阵、迹、转置
+• 行列式、三角矩阵、行列式的性质、余子式
+• 克拉姆法则、齐次线性方程组
+• 逆矩阵、矩阵的初等变换
+• 矩阵的秩、线性方程组的解
+• 向量
+• 方阵的特征值和特征向量
+• 相似矩阵、矩阵对角化、对阵矩阵对角化
+• 二次型与矩阵正定性
+• SVD分解的证明、SVD分解、SVD分解的应用
+• 多元线性回归、最小二乘法
+• 【第二章 微积分】
+• 中值定理、柯西中值定理、洛必达法则
+• 泰勒公式
+• 函数的凹凸性、函数的极值
+• 不定积分、凑微分、分部积分法、定积分
+• 牛顿莱布尼茨公式
+• 全部积分、偏导数
+• 方向导数与梯度
+• 多元函数的泰勒公式、海森矩阵
+• 多元函数的极值
+• 矩阵的求导
+• 【第三章 概率论】
+• 条件概率、全概率公式、贝叶斯公式
+• 独立性
+• 离散随机变量、连续随机变量
+• 分布函数：均匀分布、指数分布、正态分布
+• 随机变量函数的分布
+• 多维随机变量
+• 边缘分布、条件分布
+• 期望（连续型、离散型）
+• 方差
+• 方差的常用性质、协方差
+• 协方差矩阵
+• 参数估计、矩估计
+• 极大似然估计、高斯分布、无偏性
+• 【第四章 机器学习】
+• 无约束优化、梯度下降法
+• 牛顿法、两种解释
+• 牛顿法的收敛速度
+• 有约束的优化、拉格朗日乘子的意义、KKT条件
+• 不等式约束
+• 约束问题总结：等式约束、不等式约束
+• 优化的对偶理论、原始问题、对偶问题
+• 【第五章 深度学习】
+• 容量、过拟合、欠拟合
+• 逻辑回归、线性回归、二项逻辑回归模型
+• 贝叶斯估计、频率派、贝叶斯派
+• QA J=‖xa−y‖^2 求导
+• PCA原理与推导
+• LDA、PCA与LDA区别
+• SVM支持向量机
+• 决策树
+• 传递函数、激活函数、损失函数、KL距离、相对熵
+• 前向传播、反向算法
+• 深度学习中的正则化
+• Bagging、Dropout
+• 深度模型中的优化
+• 动量Momentum、AdaGrad、Adam、BatchNorm
+• 卷积网络
+• CNN前向算法、反向算法、Pooling
+• Inception网络：V1、V2、V3、V4
+• 循环神经网络、前向、后向
+• LSTM
+• GRU
+• 深度学习中的一些高级技术
+• 神经网络量化
+• 对抗网络
+  【重要通知】：将从理论到实践，建立一个微信公众号，把近期的总结以专题形式公布出来，以上为初步目录：
+  欢迎大家关注公众号：ai_portumo。
+
   进来看一定要加star！右上角！
   -----
   github 里面会有一个列表，专门收集了你所有 star 过的项目，点击 github 个人头像，可以看到 your stars 的条目，点击就可以查看你 star 过的所有项目了。