“我花了一分鐘將我的九年義務教育重溫了一遍……終於發現自己被騙!

這題人能做?

樓上出題的那個‘雨花石’,麻煩用‘術語’解釋一下!”

“這麼直接做題當然人不行,所以我們還需要引入其他資料。

比如小貓喜歡你,有b%可能和你貼貼,有c%機率發出呼嚕聲。

所以我們如何知道小貓有多大機率喜歡自己呢,透過貝葉斯定理就可以從翻肚皮,貼貼和呼嚕的機率中計算出來。”

“……”

“淦!”

“貓:別算了,我不喜歡搞數學的!”

“貓:不是猜我喜歡誰,就是猜我死了還是活著,我特麼還能不能有點隱私?”

“湯姆,你在我傑瑞面前談隱私?那麼多為科學獻身的小白鼠們不答應!”

“第一個問題就把大家難住了??繼續看,第二個問題更變態!”

“這好像是個隨機森林問題,但是比目前的隨機森林演算法要深奧的多。

它一般用來做市場營銷模擬的建模,或者是用來預測疾病的風險和病患者的易感性,我正好在做這方面的研究。”

“嗯!我們學校數學界還是有人才的嘛,這不終於有人能看懂題目了。”

“慚愧慚愧!這個問題我只能看懂一部分,另一部分,在我觸控不到的高度。”

“有多高?”

“喜馬拉雅山那麼高……”

“嘶~竟恐怖如斯?”

“前兩個問題都這麼難,那這第三個問題豈不是要突破天際?”

“求大佬幫我讀題。”

“銅球!”

“十萬噸銅球!”

“百萬噸銅球!”

排隊球了半天,終於有一個人站了出來,還是那位‘雨花石’。

“我不太確定,這好像是人工神經網路ann處理大型複雜的機器學習任務。

它描述的是一組帶有權值的邊和節點組成的相互連線的層,稱為神經元。

透過對輸入資料訓練神經網路來學習輸入和輸出之間的關係,在輸入層和輸出層之間,可以插入多個隱藏層。

它的工作原理與大腦的結構類似,一組神經元被賦予一個隨機權重,以確定神經元如何處理輸入資料。

至於這個題目裡我能看懂的……

當資料必須被非線性分離的時候,前饋神經網路決定如何選擇隱藏層的數量公式……

還有隨機權重的粒子群演算法……”

“嗯嗯!然後呢?”

“……”

“呵呵!大佬這思考的時間有點長哈。”

“……”

“莫西莫西?雨花石大佬?還在嗎?”

“……”

“可能是下樓買包子去了?”

“淦!”