352.著急趕場(第2/3頁)

“唉。”

嘆了口氣，怕是這兩題寫完後，又得去小賣部拿兩支筆，才能再去趕去下個考場。

看了眼第一道題：人工神經網路來源於生理學的人腦神經網路，最早指的是生物的大腦神經元，控制著生物的行為，人們模仿大腦神經元的功能建立了人工神經網路……‘神經網路是一種並行的分散式資訊處理結構，由處理元件與單向訊號通道互連而成，能夠處理資訊的計算機系統。’”

卷面上的大量介紹，陳默只是簡單地掃了下，這些都是他研究的領域，看了眼設定的條件，便直接寫了起來。

“人工神經元基本模型：如圖1所示，人工神經網路由多個神經元組成，一般由多個輸入一個輸出，x1，x2，xn代表輸入訊號，yj代表神經元的輸出，wij 代表輸入訊號x1 和神經元 j 之間的權重。bj 代表神經元的偏移量， f(.為啟用函式。設第 j 個神經元的淨輸入值為sj：則有以下……可證f(.是單調遞增函式，且是有界函式……

bp 神經網路演算法由正向傳播和誤差反向傳播兩個過程組成。正向傳播時，由輸入層到隱含層再到輸出層，每層神經元隻影響下一層的神經元的狀態……反向傳播是根據誤差函式、利用梯度下降法進行的，所以反向傳播中最重要的是誤差函式……”

陳默一邊計算，一邊闡述，不用說試卷上留有的空白根本不夠寫的，一面考卷就被寫滿了。好在之前陳默寫前面的題目的時候，沒有怎麼用草稿紙。兩張空白的a3的稿紙便被他拿來當答題卡了。

“啟用函式的主要作用是提高神經網路的非線性建模能力，因為涉及非線性建模，缺少啟用函式，神經網路只能表達線性對映，即使有再多的隱藏層，整個神經網路跟單層神經網路是等價的。加入啟用函式，神經網路才具備了分層的非線性對映學習能力。bp 演算法的最佳化方法是基於梯度的，啟用函式必須是處處可導的……

代價函式是用來衡量預測值與目標實際值之間的關係，兩者越接近，預測效果越好，反之……”

不得不說，陳默的寫字速度還是一如既往的快，甚至因為這次趕時間，更加加快了速度，以往他不著急的時候，手是很輕的，哪怕寫得很快，周邊也太能聽的清聲音。這次可能是有些趕時間，加上週圍確實都挺安靜的，陳默這刷刷刷的聲音，就顯得有些明顯了。

其他人也都在草稿紙上寫寫畫畫，但是多少都帶點暴躁，所以劃拉的聲音都是一陣一陣的，只有陳默這邊獨獨顯得有點不同，這邊書寫的聲音一直有，而且莎莎莎的聲音太穩定，不知道的還以為是在寫作文呢。

周圍算半天被題目卡住的同學此時滿腦子都是疑惑，不知道身邊這人在幹啥，抬頭看了眼時間，考試才過去不到二十分鐘，這次考試的難度真的不是一般的大，不少能力強的，現在連試卷的第一面都沒有翻過去。

這哥們不會是被李老師這次的試題給逼瘋了吧？

這“莎莎莎”的幹啥呢？

從剛剛就聽到這邊一直都書寫的聲音。他們一開始沒覺得什麼，還一味卷子後面有題目需要大量書寫，結果寫了半天也沒看到這樣的題啊。還有人懷疑的往後翻了翻試卷，找了半天，確實沒有看到需要大量書寫的題。基本上都是計算偏多。

甚至有不少懵逼的同學，因為坐在陳默身後，還有身側不遠的位置，實在是沒忍住，都沒有顧上考試，抬起頭來假裝是在看時間，實則偏頭用餘光打量陳默那邊，看看他到底在幹啥呢。

然後就看到陳默桌子上和考卷一同發下來的草稿紙，其中一張已經被鋪面了密密麻麻的字，因為離得遠，看不清具體寫的什麼，只覺得怪工整的，不像是打的草稿。

聯絡到剛剛聽到的聲音，這倒真的是有點像是在寫作文。

這哥們不會真的瘋了吧？

題算不出來，崩潰了，直接寫小作文“致敬”老師？

也許是不經意假裝抬頭看時間，實則偷偷往陳默看的人太多了，前面監考的老師也發現了。

“咳咳咳，都看自己的卷子，不要東張西望的。”

監考的老師輕咳了幾聲，嚴肅的提醒道。

眾人聞言才把目光收了回來，不過老師不提醒他們也沒有再看下去的想法了。確認過眼神，那是一個被李老師逼瘋的人。

他們這一面的題目還沒算下來，就開始頭昏腦漲了，他們十分懂那個可能在草稿紙上寫小作文的哥們的心，他們現在也想罵個十萬八萬字的。

沒再關注陳默後，都低頭認真寫起了自己的卷子。

兩名監考老師對視了一眼。