l*y
2 楼
俺不懂什么machinelearning，这程序下棋是不是跟事先学习李师师棋谱有关?
换句话说来个黑箱挑战，让中日韩不同风格段位上至80岁老头下至冲段屁孩随机和阿狗
下，下完了才知道是谁，能不能打懵机器？
换句话说来个黑箱挑战，让中日韩不同风格段位上至80岁老头下至冲段屁孩随机和阿狗
下，下完了才知道是谁，能不能打懵机器？
e*u
3 楼
【在 e*****u 的大作中提到】
: 看到一个同胞的房子，楼梯是旋转的。大家觉的是优点还是缺点。如果是缺点，大概要
: 花多少钱改成普通的楼梯？
d*e
4 楼
估计把所有棋谱都录入，每一步都在一堆定式里选择。棋手对战的话最好要有非常好的
全局观，不让自己的意图被判断出来
全局观，不让自己的意图被判断出来
c*o
5 楼
这种装B的很跪
l*y
6 楼
听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
翻毛和小李的狗
来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
翻毛和小李的狗
w*2
7 楼
这房子通2楼就这么一个楼梯？非正规吧~~
i*h
8 楼
你真是给术版丢人
【在 l****y 的大作中提到】
: 听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
: 来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
: 翻毛和小李的狗
【在 l****y 的大作中提到】
: 听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
: 来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
: 翻毛和小李的狗
M*n
9 楼
说话注意素质呀，哎。
【在 c****o 的大作中提到】
: 这种装B的很跪
【在 c****o 的大作中提到】
: 这种装B的很跪
l*e
10 楼
我也是外行，但是据我所知阿发狗没有专门研究李师师的棋谱
阿发狗不是简单地依靠电脑的计算速度来穷举找出最优解，或者存储古今中外所有棋谱
来搜，他的关键是个模拟神经网络，有学习能力，有类似人的正负反馈，所以他玩什么
游戏玩几盘都能比世界最厉害的人玩得好
阿发狗不是简单地依靠电脑的计算速度来穷举找出最优解，或者存储古今中外所有棋谱
来搜，他的关键是个模拟神经网络，有学习能力，有类似人的正负反馈，所以他玩什么
游戏玩几盘都能比世界最厉害的人玩得好
L*i
11 楼
偶对这种楼梯上下的时候只觉得腿软。。。
不会是唯一一个楼梯吧，就这样的家具咋搬上去，改成直上直下的占空间太大了吧
【在 e*****u 的大作中提到】
不会是唯一一个楼梯吧，就这样的家具咋搬上去，改成直上直下的占空间太大了吧
【在 e*****u 的大作中提到】
l*e
12 楼
这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
f*i
13 楼
跳钢管舞专家的楼梯？
【在 e*****u 的大作中提到】
【在 e*****u 的大作中提到】
s*e
14 楼
深蓝只会下象棋，阿法狗稍微改改做什么都可以
【在 l*******e 的大作中提到】
: 这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
: 炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
【在 l*******e 的大作中提到】
: 这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
: 炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
k*9
15 楼
本来旋转楼梯是豪宅标配。
这种楼梯……我看还是pass吧，看了不舒服还不好用
这种楼梯……我看还是pass吧，看了不舒服还不好用
g*a
16 楼
neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
chain。
获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
chain。
c*o
17 楼
的确，豪宅的楼梯就是要弯来弯去。但是楼主这个房子根本就不像一个豪宅，所以哥才
说装（）
【在 k*****9 的大作中提到】
: 本来旋转楼梯是豪宅标配。
: 这种楼梯……我看还是pass吧，看了不舒服还不好用
说装（）
【在 k*****9 的大作中提到】
: 本来旋转楼梯是豪宅标配。
: 这种楼梯……我看还是pass吧，看了不舒服还不好用
y*n
18 楼
这里就你说的最靠谱了
【在 g**a 的大作中提到】
: neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
: 获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
: supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
: alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
: 。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
: chain。
【在 g**a 的大作中提到】
: neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
: 获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
: supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
: alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
: 。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
: chain。
D*r
19 楼
如果还有一个正常楼梯在别处上楼，那么很赞，换上木地板挺好看的
如果是仅有的楼梯，不符合code吧，没法装残疾人升降椅啊
如果是仅有的楼梯，不符合code吧，没法装残疾人升降椅啊
c*t
20 楼
你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 y*********n 的大作中提到】
: 这里就你说的最靠谱了
【在 y*********n 的大作中提到】
: 这里就你说的最靠谱了
t*Q
21 楼
消防队楼梯的二合一简化版 —— 楼梯加钢管。
【在 D******r 的大作中提到】
: 如果还有一个正常楼梯在别处上楼，那么很赞，换上木地板挺好看的
: 如果是仅有的楼梯，不符合code吧，没法装残疾人升降椅啊
【在 D******r 的大作中提到】
: 如果还有一个正常楼梯在别处上楼，那么很赞，换上木地板挺好看的
: 如果是仅有的楼梯，不符合code吧，没法装残疾人升降椅啊
y*n
22 楼
你写的那段
连wiki都差的远
我敢肯定
你连wiki都看不懂
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
连wiki都差的远
我敢肯定
你连wiki都看不懂
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
23 楼
你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
要扯太远，OK？
net
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
要扯太远，OK？
net
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
24 楼
那这个是基于什么的？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
25 楼
他看的连英文版都不是
肯定是汉语版的
估计是那个chinese network那个杂牌科技网站
他描述出来的
也就国内蓝翔技校里的大专生
发的帖子
的水准
lol
至于pooling layer, convolutional layer,
对他都跟登月那么深奥
你问问他啥是bipartite graph和max matching
保证一问一个蒙
【在 g**a 的大作中提到】
: 你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
: 要扯太远，OK？
:
: net
肯定是汉语版的
估计是那个chinese network那个杂牌科技网站
他描述出来的
也就国内蓝翔技校里的大专生
发的帖子
的水准
lol
至于pooling layer, convolutional layer,
对他都跟登月那么深奥
你问问他啥是bipartite graph和max matching
保证一问一个蒙
【在 g**a 的大作中提到】
: 你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
: 要扯太远，OK？
:
: net
g*a
26 楼
大哥，你觉得你说这段话里面，有任何可以被计算机理解的东西吗？我不管你说的
neural network到底是什么样的，你要用它实现，首先需要一个数学模型啊。你到底知
道MM和HMM是什么东西不？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
neural network到底是什么样的，你要用它实现，首先需要一个数学模型啊。你到底知
道MM和HMM是什么东西不？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
27 楼
bbs在线2万人
懂DBNCNN的
最多一只手
所以也不算丢人
属于正常绝大多数
这个内容
对学术背景要求极高
条件很难满足
跟CS coding太不一样
学一门java
打遍天下
【在 i***h 的大作中提到】
: 你真是给术版丢人
懂DBNCNN的
最多一只手
所以也不算丢人
属于正常绝大多数
这个内容
对学术背景要求极高
条件很难满足
跟CS coding太不一样
学一门java
打遍天下
【在 i***h 的大作中提到】
: 你真是给术版丢人
g*a
28 楼
原来你是在扣字眼。那按你的意思，nn的每个节点都要定义一个概率函数？
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
29 楼
不是数学模型
太泛泛了
这里专指Stochastic Modeling
gaea说的也比较general
专指Hidden Markov Models
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
太泛泛了
这里专指Stochastic Modeling
gaea说的也比较general
专指Hidden Markov Models
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
30 楼
你前面讲的HMM的内容
都不是一般的错
而是非常的错
相当的错
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
都不是一般的错
而是非常的错
相当的错
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
31 楼
你还是回food版
继续煮饭吧
厨房虽然你也未必能做好
但起码让你头发少白了几根
我是本着对你身体健康的角度
为你着想
以后少看这些距离自己太远的
又追不上的
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
继续煮饭吧
厨房虽然你也未必能做好
但起码让你头发少白了几根
我是本着对你身体健康的角度
为你着想
以后少看这些距离自己太远的
又追不上的
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
32 楼
好吧，你讲得太泛了。我就问你三个问题：
1. 你说的这些节点分层吗？
2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
呢？
3. 同一层的节点之间是什么关系？
hmm
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
1. 你说的这些节点分层吗？
2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
呢？
3. 同一层的节点之间是什么关系？
hmm
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
33 楼
你这样定义的nn不可能有数学解。再等几十年看看能不能有个天才再提出个模型来。
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
34 楼
他没有graph theory的底子
这些问题比如 k-coloring
都和天书一样
【在 g**a 的大作中提到】
: 好吧，你讲得太泛了。我就问你三个问题：
: 1. 你说的这些节点分层吗？
: 2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
: 呢？
: 3. 同一层的节点之间是什么关系？
:
: hmm
这些问题比如 k-coloring
都和天书一样
【在 g**a 的大作中提到】
: 好吧，你讲得太泛了。我就问你三个问题：
: 1. 你说的这些节点分层吗？
: 2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
: 呢？
: 3. 同一层的节点之间是什么关系？
:
: hmm
t*u
35 楼
求求你们不要犯傻讨论了
c*t
36 楼
等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
以讲一下先
【在 y*********n 的大作中提到】
: 他没有graph theory的底子
: 这些问题比如 k-coloring
: 都和天书一样
以讲一下先
【在 y*********n 的大作中提到】
: 他没有graph theory的底子
: 这些问题比如 k-coloring
: 都和天书一样
g*a
37 楼
你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
38 楼
你总是提文献
好吧
那你回答一下
你最近看的文献
是哪一年的？
就给我年数字即可
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
好吧
那你回答一下
你最近看的文献
是哪一年的？
就给我年数字即可
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
39 楼
你只要给我文献的year
我就能断定你
给吧
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
我就能断定你
给吧
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
40 楼
谁吃饱了撑着
背诵一堆和就业市场无关的数学名词啊
你清醒清醒，好吗
gradient descent
heat equation
wave equation
Euler method
Newton method
convex optimization
eigenvalue problem
normal equations
least square
这些都是跟deep learning有直接关系的知识体系
转行学CS coding
只为找工作的人
99.99%是不会知道这些
是什么东东
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
背诵一堆和就业市场无关的数学名词啊
你清醒清醒，好吗
gradient descent
heat equation
wave equation
Euler method
Newton method
convex optimization
eigenvalue problem
normal equations
least square
这些都是跟deep learning有直接关系的知识体系
转行学CS coding
只为找工作的人
99.99%是不会知道这些
是什么东东
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
c*t
41 楼
你要知道nn的最初建立是有神经科学／仿生意义的，你觉得这些和ｈｍｍ的关系是什么？
【在 g**a 的大作中提到】
: 你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
: 以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 g**a 的大作中提到】
: 你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
: 以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
c*t
42 楼
好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
样的？
【在 y*********n 的大作中提到】
: 谁吃饱了撑着
: 背诵一堆和就业市场无关的数学名词啊
: 你清醒清醒，好吗
: gradient descent
: heat equation
: wave equation
: Euler method
: Newton method
: convex optimization
: eigenvalue problem
都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
样的？
【在 y*********n 的大作中提到】
: 谁吃饱了撑着
: 背诵一堆和就业市场无关的数学名词啊
: 你清醒清醒，好吗
: gradient descent
: heat equation
: wave equation
: Euler method
: Newton method
: convex optimization
: eigenvalue problem
y*n
43 楼
瞧你这点出息
狗屁不懂
还自以为是
基本概念都没见过
上来就指手画脚
这里有我前面提及的部分相关知识背景
http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
Unsupervised and Transfer Learning
Challenges in Machine Learning, Volume 7
Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
【在 c****t 的大作中提到】
: 好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
: 都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
: 样的？
狗屁不懂
还自以为是
基本概念都没见过
上来就指手画脚
这里有我前面提及的部分相关知识背景
http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
Unsupervised and Transfer Learning
Challenges in Machine Learning, Volume 7
Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
【在 c****t 的大作中提到】
: 好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
: 都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
: 样的？
c*t
44 楼
赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
等你自己说出来ｎｎ为什么是基于ｈｍｍ的
【在 y*********n 的大作中提到】
: 瞧你这点出息
: 狗屁不懂
: 还自以为是
: 基本概念都没见过
: 上来就指手画脚
: 这里有我前面提及的部分相关知识背景
: http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
: Unsupervised and Transfer Learning
: Challenges in Machine Learning, Volume 7
: Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
等你自己说出来ｎｎ为什么是基于ｈｍｍ的
【在 y*********n 的大作中提到】
: 瞧你这点出息
: 狗屁不懂
: 还自以为是
: 基本概念都没见过
: 上来就指手画脚
: 这里有我前面提及的部分相关知识背景
: http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
: Unsupervised and Transfer Learning
: Challenges in Machine Learning, Volume 7
: Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
y*n
45 楼
狗屁审稿
你审的是国内蓝翔大专
VPN到美国网站剽窃来的
翻译都没翻对的
稿子吧
这篇文献的作者是蒙特利尔大学的
Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
名的
都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 c****t 的大作中提到】
: 赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
: 候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
: 等你自己说出来ｎｎ为什么是基于ｈｍｍ的
你审的是国内蓝翔大专
VPN到美国网站剽窃来的
翻译都没翻对的
稿子吧
这篇文献的作者是蒙特利尔大学的
Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
名的
都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 c****t 的大作中提到】
: 赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
: 候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
: 等你自己说出来ｎｎ为什么是基于ｈｍｍ的
c*t
46 楼
跪了
【在 y*********n 的大作中提到】
: 狗屁审稿
: 你审的是国内蓝翔大专
: VPN到美国网站剽窃来的
: 翻译都没翻对的
: 稿子吧
: 这篇文献的作者是蒙特利尔大学的
: Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
: 名的
: 都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 y*********n 的大作中提到】
: 狗屁审稿
: 你审的是国内蓝翔大专
: VPN到美国网站剽窃来的
: 翻译都没翻对的
: 稿子吧
: 这篇文献的作者是蒙特利尔大学的
: Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
: 名的
: 都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
l*y
47 楼
俺不懂什么machinelearning，这程序下棋是不是跟事先学习李师师棋谱有关?
换句话说来个黑箱挑战，让中日韩不同风格段位上至80岁老头下至冲段屁孩随机和阿狗
下，下完了才知道是谁，能不能打懵机器？
换句话说来个黑箱挑战，让中日韩不同风格段位上至80岁老头下至冲段屁孩随机和阿狗
下，下完了才知道是谁，能不能打懵机器？
d*e
48 楼
估计把所有棋谱都录入，每一步都在一堆定式里选择。棋手对战的话最好要有非常好的
全局观，不让自己的意图被判断出来
全局观，不让自己的意图被判断出来
l*y
49 楼
听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
翻毛和小李的狗
来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
翻毛和小李的狗
i*h
50 楼
你真是给术版丢人
【在 l****y 的大作中提到】
: 听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
: 来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
: 翻毛和小李的狗
【在 l****y 的大作中提到】
: 听过一段datamining课，sb老师纯粹卖弄统计概念，估计这玩意也是根据已有数据棋谱
: 来预测下一步。说到底和国际象棋人机对战有本质区别，这阿发狗是人训练出来的专咬
: 翻毛和小李的狗
l*e
51 楼
我也是外行，但是据我所知阿发狗没有专门研究李师师的棋谱
阿发狗不是简单地依靠电脑的计算速度来穷举找出最优解，或者存储古今中外所有棋谱
来搜，他的关键是个模拟神经网络，有学习能力，有类似人的正负反馈，所以他玩什么
游戏玩几盘都能比世界最厉害的人玩得好
阿发狗不是简单地依靠电脑的计算速度来穷举找出最优解，或者存储古今中外所有棋谱
来搜，他的关键是个模拟神经网络，有学习能力，有类似人的正负反馈，所以他玩什么
游戏玩几盘都能比世界最厉害的人玩得好
l*e
52 楼
这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
【在 c****t 的大作中提到】
: 跪了
炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
【在 c****t 的大作中提到】
: 跪了
s*e
53 楼
深蓝只会下象棋，阿法狗稍微改改做什么都可以
【在 l*******e 的大作中提到】
: 这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
: 炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
【在 l*******e 的大作中提到】
: 这么说跟以前的深蓝什么的也没啥本质区别，只是电脑计算能力进一步提高，我看网上
: 炒得沸沸扬扬，说的阿发狗多牛逼，尤其“学习能力”这词太吓人了
g*a
54 楼
neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
chain。
获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
chain。
y*n
55 楼
这里就你说的最靠谱了
【在 g**a 的大作中提到】
: neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
: 获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
: supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
: alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
: 。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
: chain。
【在 g**a 的大作中提到】
: neuro network的基础应该是markov chain。棋类这种一步步来的最适合用这种方法来
: 获得最优解。对每一步概率通过learning dataset来进行优化就是学习过程。这个
: supervised learning 具体怎么搞还得看看书。另外一个应用实例是DNA测序。DNA
: alignment过程简直就像是专门为markov chain设计的应用。应该跟穷举没什么关系的
: 。穷举默认每个status独立，并且每种选择的概率一样。这只能算非常初级的markov
: chain。
c*t
56 楼
你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 y*********n 的大作中提到】
: 这里就你说的最靠谱了
【在 y*********n 的大作中提到】
: 这里就你说的最靠谱了
y*n
57 楼
你写的那段
连wiki都差的远
我敢肯定
你连wiki都看不懂
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
连wiki都差的远
我敢肯定
你连wiki都看不懂
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
58 楼
你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
要扯太远，OK？
net
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
要扯太远，OK？
net
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
59 楼
那这个是基于什么的？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
60 楼
他看的连英文版都不是
肯定是汉语版的
估计是那个chinese network那个杂牌科技网站
他描述出来的
也就国内蓝翔技校里的大专生
发的帖子
的水准
lol
至于pooling layer, convolutional layer,
对他都跟登月那么深奥
你问问他啥是bipartite graph和max matching
保证一问一个蒙
【在 g**a 的大作中提到】
: 你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
: 要扯太远，OK？
:
: net
肯定是汉语版的
估计是那个chinese network那个杂牌科技网站
他描述出来的
也就国内蓝翔技校里的大专生
发的帖子
的水准
lol
至于pooling layer, convolutional layer,
对他都跟登月那么深奥
你问问他啥是bipartite graph和max matching
保证一问一个蒙
【在 g**a 的大作中提到】
: 你说的neural network是什么样的？跟下面这张图不同的地方在哪？我是说原理上，不
: 要扯太远，OK？
:
: net
g*a
61 楼
大哥，你觉得你说这段话里面，有任何可以被计算机理解的东西吗？我不管你说的
neural network到底是什么样的，你要用它实现，首先需要一个数学模型啊。你到底知
道MM和HMM是什么东西不？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
neural network到底是什么样的，你要用它实现，首先需要一个数学模型啊。你到底知
道MM和HMM是什么东西不？
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
62 楼
bbs在线2万人
懂DBNCNN的
最多一只手
所以也不算丢人
属于正常绝大多数
这个内容
对学术背景要求极高
条件很难满足
跟CS coding太不一样
学一门java
打遍天下
【在 i***h 的大作中提到】
: 你真是给术版丢人
懂DBNCNN的
最多一只手
所以也不算丢人
属于正常绝大多数
这个内容
对学术背景要求极高
条件很难满足
跟CS coding太不一样
学一门java
打遍天下
【在 i***h 的大作中提到】
: 你真是给术版丢人
g*a
63 楼
原来你是在扣字眼。那按你的意思，nn的每个节点都要定义一个概率函数？
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
64 楼
不是数学模型
太泛泛了
这里专指Stochastic Modeling
gaea说的也比较general
专指Hidden Markov Models
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
太泛泛了
这里专指Stochastic Modeling
gaea说的也比较general
专指Hidden Markov Models
nn
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
65 楼
你前面讲的HMM的内容
都不是一般的错
而是非常的错
相当的错
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
都不是一般的错
而是非常的错
相当的错
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
66 楼
你还是回food版
继续煮饭吧
厨房虽然你也未必能做好
但起码让你头发少白了几根
我是本着对你身体健康的角度
为你着想
以后少看这些距离自己太远的
又追不上的
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
继续煮饭吧
厨房虽然你也未必能做好
但起码让你头发少白了几根
我是本着对你身体健康的角度
为你着想
以后少看这些距离自己太远的
又追不上的
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
67 楼
好吧，你讲得太泛了。我就问你三个问题：
1. 你说的这些节点分层吗？
2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
呢？
3. 同一层的节点之间是什么关系？
hmm
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
1. 你说的这些节点分层吗？
2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
呢？
3. 同一层的节点之间是什么关系？
hmm
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
g*a
68 楼
你这样定义的nn不可能有数学解。再等几十年看看能不能有个天才再提出个模型来。
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
【在 c****t 的大作中提到】
: 你要真是月光的话，又要被你死敌嘲笑了，"nn的基础是hmm",这个你认为靠铺？呵呵
y*n
69 楼
他没有graph theory的底子
这些问题比如 k-coloring
都和天书一样
【在 g**a 的大作中提到】
: 好吧，你讲得太泛了。我就问你三个问题：
: 1. 你说的这些节点分层吗？
: 2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
: 呢？
: 3. 同一层的节点之间是什么关系？
:
: hmm
这些问题比如 k-coloring
都和天书一样
【在 g**a 的大作中提到】
: 好吧，你讲得太泛了。我就问你三个问题：
: 1. 你说的这些节点分层吗？
: 2. 各层之间的节点是什么关系？more specifically, n和n+1层是什么关系？n和n+2层
: 呢？
: 3. 同一层的节点之间是什么关系？
:
: hmm
t*u
70 楼
求求你们不要犯傻讨论了
c*t
71 楼
等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
以讲一下先
【在 y*********n 的大作中提到】
: 他没有graph theory的底子
: 这些问题比如 k-coloring
: 都和天书一样
以讲一下先
【在 y*********n 的大作中提到】
: 他没有graph theory的底子
: 这些问题比如 k-coloring
: 都和天书一样
g*a
72 楼
你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
73 楼
你总是提文献
好吧
那你回答一下
你最近看的文献
是哪一年的？
就给我年数字即可
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
好吧
那你回答一下
你最近看的文献
是哪一年的？
就给我年数字即可
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
74 楼
你只要给我文献的year
我就能断定你
给吧
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
我就能断定你
给吧
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
y*n
75 楼
谁吃饱了撑着
背诵一堆和就业市场无关的数学名词啊
你清醒清醒，好吗
gradient descent
heat equation
wave equation
Euler method
Newton method
convex optimization
eigenvalue problem
normal equations
least square
这些都是跟deep learning有直接关系的知识体系
转行学CS coding
只为找工作的人
99.99%是不会知道这些
是什么东东
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
背诵一堆和就业市场无关的数学名词啊
你清醒清醒，好吗
gradient descent
heat equation
wave equation
Euler method
Newton method
convex optimization
eigenvalue problem
normal equations
least square
这些都是跟deep learning有直接关系的知识体系
转行学CS coding
只为找工作的人
99.99%是不会知道这些
是什么东东
【在 c****t 的大作中提到】
: 等你解释nn和hmm的关系，我就算不懂，还是好学的，不要光用名词，我听不懂你也可
: 以讲一下先
c*t
76 楼
你要知道nn的最初建立是有神经科学／仿生意义的，你觉得这些和ｈｍｍ的关系是什么？
【在 g**a 的大作中提到】
: 你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
: 以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
【在 g**a 的大作中提到】
: 你用一个确定的函数来定义节点关系，那为什么还要分节点呢？这种特殊情况其实也可
: 以归类到MM里面，所以我一直在问你，你到底知道MM的一些基本假设不？
c*t
77 楼
好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
样的？
【在 y*********n 的大作中提到】
: 谁吃饱了撑着
: 背诵一堆和就业市场无关的数学名词啊
: 你清醒清醒，好吗
: gradient descent
: heat equation
: wave equation
: Euler method
: Newton method
: convex optimization
: eigenvalue problem
都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
样的？
【在 y*********n 的大作中提到】
: 谁吃饱了撑着
: 背诵一堆和就业市场无关的数学名词啊
: 你清醒清醒，好吗
: gradient descent
: heat equation
: wave equation
: Euler method
: Newton method
: convex optimization
: eigenvalue problem
y*n
78 楼
瞧你这点出息
狗屁不懂
还自以为是
基本概念都没见过
上来就指手画脚
这里有我前面提及的部分相关知识背景
http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
Unsupervised and Transfer Learning
Challenges in Machine Learning, Volume 7
Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
【在 c****t 的大作中提到】
: 好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
: 都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
: 样的？
狗屁不懂
还自以为是
基本概念都没见过
上来就指手画脚
这里有我前面提及的部分相关知识背景
http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
Unsupervised and Transfer Learning
Challenges in Machine Learning, Volume 7
Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
【在 c****t 的大作中提到】
: 好吧，这些名词我不但不懂，见都没见过，呵呵，你满意了，你给解释解释呗，既然我
: 都不懂，你也不用费心了，还是讲讲我说的ｎｎ和ｈｍｍ关系有什么不对，应该是怎么
: 样的？
c*t
79 楼
赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
等你自己说出来ｎｎ为什么是基于ｈｍｍ的
【在 y*********n 的大作中提到】
: 瞧你这点出息
: 狗屁不懂
: 还自以为是
: 基本概念都没见过
: 上来就指手画脚
: 这里有我前面提及的部分相关知识背景
: http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
: Unsupervised and Transfer Learning
: Challenges in Machine Learning, Volume 7
: Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
等你自己说出来ｎｎ为什么是基于ｈｍｍ的
【在 y*********n 的大作中提到】
: 瞧你这点出息
: 狗屁不懂
: 还自以为是
: 基本概念都没见过
: 上来就指手画脚
: 这里有我前面提及的部分相关知识背景
: http://feed.mtome.com/Publications/CiML/CiML-v7-book.pdf#page=2
: Unsupervised and Transfer Learning
: Challenges in Machine Learning, Volume 7
: Isabelle Guyon, Gideon Dror, Vincent Lemaire, Graham Taylor, and Danie
y*n
80 楼
狗屁审稿
你审的是国内蓝翔大专
VPN到美国网站剽窃来的
翻译都没翻对的
稿子吧
这篇文献的作者是蒙特利尔大学的
Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
名的
都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 c****t 的大作中提到】
: 赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
: 候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
: 等你自己说出来ｎｎ为什么是基于ｈｍｍ的
你审的是国内蓝翔大专
VPN到美国网站剽窃来的
翻译都没翻对的
稿子吧
这篇文献的作者是蒙特利尔大学的
Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
名的
都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 c****t 的大作中提到】
: 赫赫，确实不太懂狗屁，你还挺实诚的别人说什么你都信，谢谢你的连接，我审稿的时
: 候为了不丢人基本知识还是得背的滚瓜烂熟的，当我前面都说得费话，我去删了，继续
: 等你自己说出来ｎｎ为什么是基于ｈｍｍ的
c*t
81 楼
跪了
【在 y*********n 的大作中提到】
: 狗屁审稿
: 你审的是国内蓝翔大专
: VPN到美国网站剽窃来的
: 翻译都没翻对的
: 稿子吧
: 这篇文献的作者是蒙特利尔大学的
: Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
: 名的
: 都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
【在 y*********n 的大作中提到】
: 狗屁审稿
: 你审的是国内蓝翔大专
: VPN到美国网站剽窃来的
: 翻译都没翻对的
: 稿子吧
: 这篇文献的作者是蒙特利尔大学的
: Université de Montréal数学系 和哈佛数学系，多伦多数学系，waterloo数学系齐
: 名的
: 都是拿turing的最佳候选学校， 同时还是医学诺贝尔的获奖学校
a*n
82 楼
嘻嘻，我也第一次听说NN是基于HMM的，长见识了。
我回去就把蓝翔技校的书都烧了
就是不知道Hinton爷爷是喜欢DBN呢还是喜欢CNN
Hinton爷爷搞了几十年的NN，原来是每天CNN的广播听出来的，嘻嘻
我回去就把蓝翔技校的书都烧了
就是不知道Hinton爷爷是喜欢DBN呢还是喜欢CNN
Hinton爷爷搞了几十年的NN，原来是每天CNN的广播听出来的，嘻嘻
相关阅读