v*u
2 楼
同事邀请去小孩满月party，有事不能参加，打算送个红包或礼物？大家都送多少钱的
红包或礼物？有个大概的range吗？
红包或礼物？有个大概的range吗？
z*e
3 楼
2周前撒的虹彩太和白菜种子，因为撒的时候底肥没有弄好，现在苗有小手指那么高了
，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
B*e
4 楼
看了看基本还都不错，掌门路最近吵得比较多……
『更新稳定六星起』 (aphroditte在"某站"上的书单)
———————————————————————————————————————
｜书名 ｜星级 ｜评价 ｜
｜——————————｜———————｜——————————————————｜
｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
｜——————————｜———————｜——————————————————｜
｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
｜——————————｜———————｜——————————————————｜
｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
｜——————————｜———————｜——————————————————｜
｜商海谍影 ｜ＡＡＡＡＡＡ ｜老常质量保证 ｜
｜——————————｜———————｜——————————————————｜
｜宰执天下 ｜ＡＡＡＡＡＡ ｜义无反顾的走在穿越者的老路上好在没有｜
｜ ｜ ｜搞股票选举长枪队啥的。。。 ｜
｜——————————｜———————｜——————————————————｜
｜拔魔 ｜ＡＡＡＡＡＡ ｜看看能不能跳出死人经的窠臼？ ｜
｜——————————｜———————｜——————————————————｜
｜狂仙 ｜ＡＡＡＡＡＡ ｜打脸天尊陈太忠 ｜
｜——————————｜———————｜——————————————————｜
｜苗疆道事 ｜ＡＡＡＡＡＡ ｜为什么主角都是昏迷然后被反推呢。。。｜
｜——————————｜———————｜——————————————————｜
｜制霸好莱坞 ｜ＡＡＡＡＡ ｜勉强可以忍。。。 ｜
——————————————————————————————————————
—
『更新稳定六星起』 (aphroditte在"某站"上的书单)
———————————————————————————————————————
｜书名 ｜星级 ｜评价 ｜
｜——————————｜———————｜——————————————————｜
｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
｜——————————｜———————｜——————————————————｜
｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
｜——————————｜———————｜——————————————————｜
｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
｜——————————｜———————｜——————————————————｜
｜商海谍影 ｜ＡＡＡＡＡＡ ｜老常质量保证 ｜
｜——————————｜———————｜——————————————————｜
｜宰执天下 ｜ＡＡＡＡＡＡ ｜义无反顾的走在穿越者的老路上好在没有｜
｜ ｜ ｜搞股票选举长枪队啥的。。。 ｜
｜——————————｜———————｜——————————————————｜
｜拔魔 ｜ＡＡＡＡＡＡ ｜看看能不能跳出死人经的窠臼？ ｜
｜——————————｜———————｜——————————————————｜
｜狂仙 ｜ＡＡＡＡＡＡ ｜打脸天尊陈太忠 ｜
｜——————————｜———————｜——————————————————｜
｜苗疆道事 ｜ＡＡＡＡＡＡ ｜为什么主角都是昏迷然后被反推呢。。。｜
｜——————————｜———————｜——————————————————｜
｜制霸好莱坞 ｜ＡＡＡＡＡ ｜勉强可以忍。。。 ｜
——————————————————————————————————————
—
g*t
5 楼
不就是加权平均吗。怎么这么神。
张益唐著名论文也是十几层卷积，我一行都看不懂。
不知是不是神经网类似的。
张益唐著名论文也是十几层卷积，我一行都看不懂。
不知是不是神经网类似的。
l*y
6 楼
要50天以后
【在 T*****0 的大作中提到】
: 前几天网上p2p 转账了7次，怎么这个bonus还没显示啊
: 拿到的同学说一下要多久啊
: 谢谢了
【在 T*****0 的大作中提到】
: 前几天网上p2p 转账了7次，怎么这个bonus还没显示啊
: 拿到的同学说一下要多久啊
: 谢谢了
M*s
7 楼
50
L*A
8 楼
底肥没有弄好是什么意思？没放底肥？
A*N
9 楼
w*r
10 楼
这个好比做菜。卷积网络牛逼在于可以通过菜的最终味道，逆向工程出佐料的比例(
weight)，放料的次序(layer)，甚至火候(scale)。。。
weight)，放料的次序(layer)，甚至火候(scale)。。。
l*8
11 楼
开帐户时候不是说了50天么，小字都不看清楚就搞，很危险呢
d*t
12 楼
请问底肥放什么，放多少，放多深？
我总担心会烧了种子的根。
我总担心会烧了种子的根。
z*4
13 楼
好，五星的没法看
g*t
14 楼
make sense.
【在 w*****r 的大作中提到】
: 这个好比做菜。卷积网络牛逼在于可以通过菜的最终味道，逆向工程出佐料的比例(
: weight)，放料的次序(layer)，甚至火候(scale)。。。
【在 w*****r 的大作中提到】
: 这个好比做菜。卷积网络牛逼在于可以通过菜的最终味道，逆向工程出佐料的比例(
: weight)，放料的次序(layer)，甚至火候(scale)。。。
T*0
15 楼
3ks
【在 l********y 的大作中提到】
: 要50天以后
【在 l********y 的大作中提到】
: 要50天以后
r*5
16 楼
撒点有机肥没事，撒后浇点水就可以了。
【在 z*******e 的大作中提到】
: 2周前撒的虹彩太和白菜种子，因为撒的时候底肥没有弄好，现在苗有小手指那么高了
: ，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
【在 z*******e 的大作中提到】
: 2周前撒的虹彩太和白菜种子，因为撒的时候底肥没有弄好，现在苗有小手指那么高了
: ，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
s*s
17 楼
重生之大英雄和十州风云志都没有毒吧？前一个书名怎么这么小白呢
没毒的话要捡来看看
——
｜
—｜
｜
—｜
｜
—｜
｜
【在 B********e 的大作中提到】
: 看了看基本还都不错，掌门路最近吵得比较多……
: 『更新稳定六星起』 (aphroditte在"某站"上的书单)
: ———————————————————————————————————————
: ｜书名 ｜星级 ｜评价 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
没毒的话要捡来看看
——
｜
—｜
｜
—｜
｜
—｜
｜
【在 B********e 的大作中提到】
: 看了看基本还都不错，掌门路最近吵得比较多……
: 『更新稳定六星起』 (aphroditte在"某站"上的书单)
: ———————————————————————————————————————
: ｜书名 ｜星级 ｜评价 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
x*u
18 楼
卷积的没什么神奇的，神奇的是深层次反向传导，一下子就能生成几百亿年进化不出的
参数。
谁都知道几百万个参数能拟合世界一切，函数现成，问题是只有上帝知道这百万个数字
应该是什么。有了DL，你能摸到上帝脚趾头了。
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
参数。
谁都知道几百万个参数能拟合世界一切，函数现成，问题是只有上帝知道这百万个数字
应该是什么。有了DL，你能摸到上帝脚趾头了。
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
C*8
19 楼
还没开始花钱或者转账，谁能提醒一下当时deal是啥要求来着？
l*n
20 楼
我的方法是盖好mulch，然后加miracle gro。就是那些costco买的蓝色水溶性肥料。一
般3加仑桶配1汤匙。
【在 z*******e 的大作中提到】
: 2周前撒的虹彩太和白菜种子，因为撒的时候底肥没有弄好，现在苗有小手指那么高了
: ，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
般3加仑桶配1汤匙。
【在 z*******e 的大作中提到】
: 2周前撒的虹彩太和白菜种子，因为撒的时候底肥没有弄好，现在苗有小手指那么高了
: ，可以追点肥吗？因为最近几天去看，好像没有长高的趋势了。。。
t*o
21 楼
十洲挺好
知秋大婶风格有所改变，向温瑞安靠拢
[在 spiritless (优哉游哉) 的大作中提到：]
：重生之大英雄和十州风云志都没有毒吧？前一个书名怎么这么小白呢
：没毒的话要捡来看看
：...........
知秋大婶风格有所改变，向温瑞安靠拢
[在 spiritless (优哉游哉) 的大作中提到：]
：重生之大英雄和十州风云志都没有毒吧？前一个书名怎么这么小白呢
：没毒的话要捡来看看
：...........
g*t
22 楼
Can we obtain the Boltzeman constant by using DL?
Or the speed of light?
【在 x****u 的大作中提到】
: 卷积的没什么神奇的，神奇的是深层次反向传导，一下子就能生成几百亿年进化不出的
: 参数。
: 谁都知道几百万个参数能拟合世界一切，函数现成，问题是只有上帝知道这百万个数字
: 应该是什么。有了DL，你能摸到上帝脚趾头了。
Or the speed of light?
【在 x****u 的大作中提到】
: 卷积的没什么神奇的，神奇的是深层次反向传导，一下子就能生成几百亿年进化不出的
: 参数。
: 谁都知道几百万个参数能拟合世界一切，函数现成，问题是只有上帝知道这百万个数字
: 应该是什么。有了DL，你能摸到上帝脚趾头了。
L*M
23 楼
“我的方法是改好mulch”这个是什么意思？拿这个当底肥，还是把这个铺在白菜下面？
【在 l*n 的大作中提到】
: 我的方法是盖好mulch，然后加miracle gro。就是那些costco买的蓝色水溶性肥料。一
: 般3加仑桶配1汤匙。
【在 l*n 的大作中提到】
: 我的方法是盖好mulch，然后加miracle gro。就是那些costco买的蓝色水溶性肥料。一
: 般3加仑桶配1汤匙。
b*e
24 楼
大英雄不是说作者停更了吗？好像本版有转帖子的。
r*g
25 楼
问个土问题，为啥不是点积x(k)y(k) 而是一个k,一个-k?
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
l*n
26 楼
不好意思，拼音没有打正确，应该是盖好mulch。我一般就用自己沤的肥做mulch，不过
沤肥的肥力不高，还是要适当加一些miracle gro.
面？
【在 L**M 的大作中提到】
: “我的方法是改好mulch”这个是什么意思？拿这个当底肥，还是把这个铺在白菜下面？
沤肥的肥力不高，还是要适当加一些miracle gro.
面？
【在 L**M 的大作中提到】
: “我的方法是改好mulch”这个是什么意思？拿这个当底肥，还是把这个铺在白菜下面？
d*k
27 楼
宰执开始搞议会了
——
｜
—｜
｜
—｜
｜
—｜
｜
【在 B********e 的大作中提到】
: 看了看基本还都不错，掌门路最近吵得比较多……
: 『更新稳定六星起』 (aphroditte在"某站"上的书单)
: ———————————————————————————————————————
: ｜书名 ｜星级 ｜评价 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
——
｜
—｜
｜
—｜
｜
—｜
｜
【在 B********e 的大作中提到】
: 看了看基本还都不错，掌门路最近吵得比较多……
: 『更新稳定六星起』 (aphroditte在"某站"上的书单)
: ———————————————————————————————————————
: ｜书名 ｜星级 ｜评价 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜修真门派掌门路 ｜ＡＡＡＡＡＡＡ｜神作中的流水账，流水账中的神作 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜重生之大英雄 ｜ＡＡＡＡＡＡＡ｜战你娘亲啊桀桀桀桀桀桀 ｜
: ｜——————————｜———————｜——————————————————｜
: ｜十州风云志 ｜ＡＡＡＡＡＡＡ｜秋姐出品，必属精品 ｜
w*g
28 楼
你说的这个叫cross-correlation。
卷积用负号是为了得到对称性。虽然只是一个符号的差别，
卷积满足交换率结合率，推导起公式来方便得多，
而x. corr.没有这些性质。有的数学现象，用卷积
描述是一个漂亮的公式，能看出来规律。如果用x. corr.
描述就是一堆mess， 看不出来规律。规律其实一直都在，
看不看得出来的差别。
如果是训练神经网络，k还是-k没关系。所以我说
其实神经网络就是一个brutal force pattern matching
with sliding window，本来也是很牛x和普世的东西。
只不过那批人愿意硬套数学概念，叫什么卷积和张量。
上面xiaoju说得对，神经网络的牛x在另一个层次上。
光靠套一个卷积概念，还看不出里面的规律来。
这个规律得发明新的数学概念才能看出来。
【在 r*g 的大作中提到】
: 问个土问题，为啥不是点积x(k)y(k) 而是一个k,一个-k?
卷积用负号是为了得到对称性。虽然只是一个符号的差别，
卷积满足交换率结合率，推导起公式来方便得多，
而x. corr.没有这些性质。有的数学现象，用卷积
描述是一个漂亮的公式，能看出来规律。如果用x. corr.
描述就是一堆mess， 看不出来规律。规律其实一直都在，
看不看得出来的差别。
如果是训练神经网络，k还是-k没关系。所以我说
其实神经网络就是一个brutal force pattern matching
with sliding window，本来也是很牛x和普世的东西。
只不过那批人愿意硬套数学概念，叫什么卷积和张量。
上面xiaoju说得对，神经网络的牛x在另一个层次上。
光靠套一个卷积概念，还看不出里面的规律来。
这个规律得发明新的数学概念才能看出来。
【在 r*g 的大作中提到】
: 问个土问题，为啥不是点积x(k)y(k) 而是一个k,一个-k?
z*e
29 楼
鸡粪之类的东西没买到就没放，放了一些肥土，就是小区种菜的专门提供的肥土。不知
道现在弄点MIROCO-GRO上去，会不会烧苗苗啊？？？
【在 L****A 的大作中提到】
: 底肥没有弄好是什么意思？没放底肥？
道现在弄点MIROCO-GRO上去，会不会烧苗苗啊？？？
【在 L****A 的大作中提到】
: 底肥没有弄好是什么意思？没放底肥？
B*e
30 楼
大英雄很不错，前作重生之大枭雄在版上讨论过，被和谐了。
【在 s********s 的大作中提到】
: 重生之大英雄和十州风云志都没有毒吧？前一个书名怎么这么小白呢
: 没毒的话要捡来看看
:
: ——
: ｜
: —｜
: ｜
: —｜
: ｜
: —｜
【在 s********s 的大作中提到】
: 重生之大英雄和十州风云志都没有毒吧？前一个书名怎么这么小白呢
: 没毒的话要捡来看看
:
: ——
: ｜
: —｜
: ｜
: —｜
: ｜
: —｜
g*t
31 楼
(1)
Coorelation/卷积/乘法 都是移位加法.
我写过汇编乘法，如果reuse code，就能看出来是一样.
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
etc. FFT is more efficient.
随机信号的 time domain correlation
和频率域power density的关系是Einstein发明的.
"Method for the determinination of the statistical values of observations
concerning quantities subject to irregular fluctuations"
只有12个引用，Lol
(2)
CNN 后面几步能不能展开说说，我还没学到...
【在 w***g 的大作中提到】
: 你说的这个叫cross-correlation。
: 卷积用负号是为了得到对称性。虽然只是一个符号的差别，
: 卷积满足交换率结合率，推导起公式来方便得多，
: 而x. corr.没有这些性质。有的数学现象，用卷积
: 描述是一个漂亮的公式，能看出来规律。如果用x. corr.
: 描述就是一堆mess， 看不出来规律。规律其实一直都在，
: 看不看得出来的差别。
: 如果是训练神经网络，k还是-k没关系。所以我说
: 其实神经网络就是一个brutal force pattern matching
: with sliding window，本来也是很牛x和普世的东西。
Coorelation/卷积/乘法 都是移位加法.
我写过汇编乘法，如果reuse code，就能看出来是一样.
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
etc. FFT is more efficient.
随机信号的 time domain correlation
和频率域power density的关系是Einstein发明的.
"Method for the determinination of the statistical values of observations
concerning quantities subject to irregular fluctuations"
只有12个引用，Lol
(2)
CNN 后面几步能不能展开说说，我还没学到...
【在 w***g 的大作中提到】
: 你说的这个叫cross-correlation。
: 卷积用负号是为了得到对称性。虽然只是一个符号的差别，
: 卷积满足交换率结合率，推导起公式来方便得多，
: 而x. corr.没有这些性质。有的数学现象，用卷积
: 描述是一个漂亮的公式，能看出来规律。如果用x. corr.
: 描述就是一堆mess， 看不出来规律。规律其实一直都在，
: 看不看得出来的差别。
: 如果是训练神经网络，k还是-k没关系。所以我说
: 其实神经网络就是一个brutal force pattern matching
: with sliding window，本来也是很牛x和普世的东西。
z*e
32 楼
都已经出苗了，还能盖吗？不会把苗压死在下面？？？
【在 l*n 的大作中提到】
: 我的方法是盖好mulch，然后加miracle gro。就是那些costco买的蓝色水溶性肥料。一
: 般3加仑桶配1汤匙。
【在 l*n 的大作中提到】
: 我的方法是盖好mulch，然后加miracle gro。就是那些costco买的蓝色水溶性肥料。一
: 般3加仑桶配1汤匙。
B*e
33 楼
嗯，后来被责编劝了回来……
【在 b*****e 的大作中提到】
: 大英雄不是说作者停更了吗？好像本版有转帖子的。
【在 b*****e 的大作中提到】
: 大英雄不是说作者停更了吗？好像本版有转帖子的。
l*m
34 楼
一般RAM不是很小的系统，都是用im2col搞成一个大矩阵，然后来一个matmul.
BTW, 随机的那个应该叫 autocorrelation
【在 g****t 的大作中提到】
: (1)
: Coorelation/卷积/乘法 都是移位加法.
: 我写过汇编乘法，如果reuse code，就能看出来是一样.
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: etc. FFT is more efficient.
BTW, 随机的那个应该叫 autocorrelation
【在 g****t 的大作中提到】
: (1)
: Coorelation/卷积/乘法 都是移位加法.
: 我写过汇编乘法，如果reuse code，就能看出来是一样.
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: 1 2 3
: etc. FFT is more efficient.
y*8
35 楼
盖薄薄一层应该没事。先浇点稀释的miracle gro,等苗再长高壮一点的时候再多上点肥
。要是苗出得太密的话，要间苗的－－－拔掉一些弱小的苗，留下高壮的重点培养。
【在 z*******e 的大作中提到】
: 都已经出苗了，还能盖吗？不会把苗压死在下面？？？
。要是苗出得太密的话，要间苗的－－－拔掉一些弱小的苗，留下高壮的重点培养。
【在 z*******e 的大作中提到】
: 都已经出苗了，还能盖吗？不会把苗压死在下面？？？
g*t
36 楼
Einstein did not bring useless extra names in his paper.
All are Shift, weight, and Add. Therefore FFT is applicable and
we can reuse code.
【在 l*******m 的大作中提到】
: 一般RAM不是很小的系统，都是用im2col搞成一个大矩阵，然后来一个matmul.
: BTW, 随机的那个应该叫 autocorrelation
All are Shift, weight, and Add. Therefore FFT is applicable and
we can reuse code.
【在 l*******m 的大作中提到】
: 一般RAM不是很小的系统，都是用im2col搞成一个大矩阵，然后来一个matmul.
: BTW, 随机的那个应该叫 autocorrelation
z*e
37 楼
昨天去浇了点肥，稀释了一桶水，但一桶水全部到下去了，不知道会不会烧苗，明天再
去看看。。。。
间苗是需要，但我想等在长大点就移苗，没有多余的间掉啊！！！！可怜。。。
【在 y*****8 的大作中提到】
: 盖薄薄一层应该没事。先浇点稀释的miracle gro,等苗再长高壮一点的时候再多上点肥
: 。要是苗出得太密的话，要间苗的－－－拔掉一些弱小的苗，留下高壮的重点培养。
去看看。。。。
间苗是需要，但我想等在长大点就移苗，没有多余的间掉啊！！！！可怜。。。
【在 y*****8 的大作中提到】
: 盖薄薄一层应该没事。先浇点稀释的miracle gro,等苗再长高壮一点的时候再多上点肥
: 。要是苗出得太密的话，要间苗的－－－拔掉一些弱小的苗，留下高壮的重点培养。
x*u
38 楼
这个迟早，而且ai还会把人类漏掉的都扫一遍
目前简单结构的网络已经足够很多人挣大钱了，没动力造更大的
【在 g****t 的大作中提到】
: Can we obtain the Boltzeman constant by using DL?
: Or the speed of light?
目前简单结构的网络已经足够很多人挣大钱了，没动力造更大的
【在 g****t 的大作中提到】
: Can we obtain the Boltzeman constant by using DL?
: Or the speed of light?
y*8
39 楼
稀释了一桶水应该不会烧苗的，除非你放了很多勺肥料。
我觉得移苗更好，我种青菜就是挖出苗来全部重栽的，这样根可以扎更深一点的，也可
以种很整齐，菜地更漂亮！呵呵！
【在 z*******e 的大作中提到】
: 昨天去浇了点肥，稀释了一桶水，但一桶水全部到下去了，不知道会不会烧苗，明天再
: 去看看。。。。
: 间苗是需要，但我想等在长大点就移苗，没有多余的间掉啊！！！！可怜。。。
我觉得移苗更好，我种青菜就是挖出苗来全部重栽的，这样根可以扎更深一点的，也可
以种很整齐，菜地更漂亮！呵呵！
【在 z*******e 的大作中提到】
: 昨天去浇了点肥，稀释了一桶水，但一桶水全部到下去了，不知道会不会烧苗，明天再
: 去看看。。。。
: 间苗是需要，但我想等在长大点就移苗，没有多余的间掉啊！！！！可怜。。。
d*l
40 楼
Polynomial multiplication, smoothing, ...
not that mysterious, if you are EE majored.
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
not that mysterious, if you are EE majored.
【在 g****t 的大作中提到】
: 不就是加权平均吗。怎么这么神。
: 张益唐著名论文也是十几层卷积，我一行都看不懂。
: 不知是不是神经网类似的。
j*s
41 楼
这个太认真了。我刚种的芥兰就是胡乱把发了芽的种子扔地里了，长了长发现还是不均
匀，扎堆。
【在 y*****8 的大作中提到】
: 稀释了一桶水应该不会烧苗的，除非你放了很多勺肥料。
: 我觉得移苗更好，我种青菜就是挖出苗来全部重栽的，这样根可以扎更深一点的，也可
: 以种很整齐，菜地更漂亮！呵呵！
匀，扎堆。
【在 y*****8 的大作中提到】
: 稀释了一桶水应该不会烧苗的，除非你放了很多勺肥料。
: 我觉得移苗更好，我种青菜就是挖出苗来全部重栽的，这样根可以扎更深一点的，也可
: 以种很整齐，菜地更漂亮！呵呵！
b*i
42 楼
卷积在这里干嘛的？
乘积的傅立叶变换等于傅立叶变换的卷积
【在 d*****l 的大作中提到】
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
乘积的傅立叶变换等于傅立叶变换的卷积
【在 d*****l 的大作中提到】
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
g*t
43 楼
I majored in EE and had been in this area 20 years.
If u nested 20 layers convolution,
How to control the error propagation for such complicate systems?
Or, let's say u had a 20 order differential equation, all coefficients had
some inaccuracy and uncertainty. How could that machine work?
The only way I can imagine is, it is not necessary to nest them.
They are actually weakly nested and can be separated into some
Irreverent parts in MOST cases without nest.
In other words, I guess that the very complicated CNN should be decomposed
or decoupled into some small pieces, then the connections or nests are
actually used to fix the corner cases.
Since the connection does not affect the major part and the corner cases
themselves are irreverent. The system is robust.
When we model a car's dynamics, we do not consider human being's neck moving.
That is the most case. When we design the seat belt, we added it.
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
【在 d*****l 的大作中提到】
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
If u nested 20 layers convolution,
How to control the error propagation for such complicate systems?
Or, let's say u had a 20 order differential equation, all coefficients had
some inaccuracy and uncertainty. How could that machine work?
The only way I can imagine is, it is not necessary to nest them.
They are actually weakly nested and can be separated into some
Irreverent parts in MOST cases without nest.
In other words, I guess that the very complicated CNN should be decomposed
or decoupled into some small pieces, then the connections or nests are
actually used to fix the corner cases.
Since the connection does not affect the major part and the corner cases
themselves are irreverent. The system is robust.
When we model a car's dynamics, we do not consider human being's neck moving.
That is the most case. When we design the seat belt, we added it.
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
【在 d*****l 的大作中提到】
: Polynomial multiplication, smoothing, ...
: not that mysterious, if you are EE majored.
g*t
44 楼
傅立叶变换本身就是加权平均。权值是指数衰减信号。
因为三角函数的方程是x''=x
那么通过傅立叶变换，你把一个信号变成了x的线性组合。那么
这个信号也成了一个微分方程定义的信号。那么就
得到了这个信号的产生方程或者generating machine
卷积也是加权平均。都是类似的。
最后就是一些常系数微分方程互相凑。
常系数线性微分方程在这种凑法下，
是封闭的。所以好用，意外不多，容易解决问题。
最后就是矩阵的一些特征根。
我现在不理解的是，一个大的随机矩阵居然特征根稳定了？
: 卷积在这里干嘛的？
: 乘积的傅立叶变换等于傅立叶变换的卷积
【在 b***i 的大作中提到】
: 卷积在这里干嘛的？
: 乘积的傅立叶变换等于傅立叶变换的卷积
因为三角函数的方程是x''=x
那么通过傅立叶变换，你把一个信号变成了x的线性组合。那么
这个信号也成了一个微分方程定义的信号。那么就
得到了这个信号的产生方程或者generating machine
卷积也是加权平均。都是类似的。
最后就是一些常系数微分方程互相凑。
常系数线性微分方程在这种凑法下，
是封闭的。所以好用，意外不多，容易解决问题。
最后就是矩阵的一些特征根。
我现在不理解的是，一个大的随机矩阵居然特征根稳定了？
: 卷积在这里干嘛的？
: 乘积的傅立叶变换等于傅立叶变换的卷积
【在 b***i 的大作中提到】
: 卷积在这里干嘛的？
: 乘积的傅立叶变换等于傅立叶变换的卷积
v*e
45 楼
卷积为什么牛？其实不是卷积牛，是层层抽象的神经网络牛（高一层的网络对低一层进
行抽象；低一层对高一层有多对few的关系）。如果是all对all的对应关系，主要困难
是很难训练，反向传播算法不容易收敛。加了卷积，其实是加了束缚关系，在大部分保
留层层抽象的能力的条件下，因为这些束缚关系所以反向传播算法能够进行。
猫的视觉处理也有这些束缚关系，是自然条件带来的。V1层就抽象出短线，它们的角度
等。V2层的抽象又高了一些，比如有各种型状。V4又高了一些。最高层里面就有
grandma cell，就是你看到gradma，这个细胞就兴奋了。这就是你们研究的人工神经网
络的输出层。当然你们研究的一般是这个细胞看到汽车就兴奋。别的细胞看到交通标志
就兴奋。
行抽象；低一层对高一层有多对few的关系）。如果是all对all的对应关系，主要困难
是很难训练，反向传播算法不容易收敛。加了卷积，其实是加了束缚关系，在大部分保
留层层抽象的能力的条件下，因为这些束缚关系所以反向传播算法能够进行。
猫的视觉处理也有这些束缚关系，是自然条件带来的。V1层就抽象出短线，它们的角度
等。V2层的抽象又高了一些，比如有各种型状。V4又高了一些。最高层里面就有
grandma cell，就是你看到gradma，这个细胞就兴奋了。这就是你们研究的人工神经网
络的输出层。当然你们研究的一般是这个细胞看到汽车就兴奋。别的细胞看到交通标志
就兴奋。
v*e
46 楼
生物的大脑里面没有反向传播，所以训练非常缓慢。这是为什么我认为人工智能必将超
越生物智能的基础之一----生物智能毕竟受限制太多了，很多功能，只能用非常复杂的
方法去实现，因为没有反向传播方法，只好用别的方法去实现反向传播算法。生物里面
采用的是Hebbian法，就是用生物的笨方法实现反向传播算法。Motor learning 用的是
微扰法。
【在 x****u 的大作中提到】
: 卷积的没什么神奇的，神奇的是深层次反向传导，一下子就能生成几百亿年进化不出的
: 参数。
: 谁都知道几百万个参数能拟合世界一切，函数现成，问题是只有上帝知道这百万个数字
: 应该是什么。有了DL，你能摸到上帝脚趾头了。
x*u
47 楼
生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的复杂逻辑分类
【在 v*******e 的大作中提到】
:
: 生物的大脑里面没有反向传播，所以训练非常缓慢。这是为什么我认为人工智能必将超
: 越生物智能的基础之一----生物智能毕竟受限制太多了，很多功能，只能用非常复杂的
: 方法去实现，因为没有反向传播方法，只好用别的方法去实现反向传播算法。生物里面
: 采用的是Hebbian法，就是用生物的笨方法实现反向传播算法。Motor learning 用的是
: 微扰法。
【在 v*******e 的大作中提到】
:
: 生物的大脑里面没有反向传播，所以训练非常缓慢。这是为什么我认为人工智能必将超
: 越生物智能的基础之一----生物智能毕竟受限制太多了，很多功能，只能用非常复杂的
: 方法去实现，因为没有反向传播方法，只好用别的方法去实现反向传播算法。生物里面
: 采用的是Hebbian法，就是用生物的笨方法实现反向传播算法。Motor learning 用的是
: 微扰法。
g*t
48 楼
生物可以写垃圾论文。改造价值观和社会潮流。
机器不行吧？42%的ai论文老中写的。机器行吗
要认真讲，科学研究早就是机器超过人了。我觉得
人的作用主要是销售员。
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的
复杂逻
辑分类
【在 x****u 的大作中提到】
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的复杂逻辑分类
机器不行吧？42%的ai论文老中写的。机器行吗
要认真讲，科学研究早就是机器超过人了。我觉得
人的作用主要是销售员。
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的
复杂逻
辑分类
【在 x****u 的大作中提到】
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的复杂逻辑分类
x*u
49 楼
现在机器追上来了
直觉和灵感已经超过人类了，目前差的是把现有网络组合搞大产品，即神经网络码农
现在地球上虽然各种网络很多，但没有类似Linux那样几千万几亿行的代码定义的大杂
烩网络吧。有的话更具体的工作就能做了。
【在 g****t 的大作中提到】
: 生物可以写垃圾论文。改造价值观和社会潮流。
: 机器不行吧？42%的ai论文老中写的。机器行吗
: 要认真讲，科学研究早就是机器超过人了。我觉得
: 人的作用主要是销售员。
:
:
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的
: 复杂逻
: 辑分类
:
直觉和灵感已经超过人类了，目前差的是把现有网络组合搞大产品，即神经网络码农
现在地球上虽然各种网络很多，但没有类似Linux那样几千万几亿行的代码定义的大杂
烩网络吧。有的话更具体的工作就能做了。
【在 g****t 的大作中提到】
: 生物可以写垃圾论文。改造价值观和社会潮流。
: 机器不行吧？42%的ai论文老中写的。机器行吗
: 要认真讲，科学研究早就是机器超过人了。我觉得
: 人的作用主要是销售员。
:
:
: 生物大脑的学习能力弱的吓人啊，ImageNet上AI只用直觉就能击败人类的
: 复杂逻
: 辑分类
:
相关阅读
《Exceptional C++ Style》这本书值得看么？[合集] 请推荐几本Multi-threading的编程书籍[合集] How to read large C code?A very dump c++ question[合集] Thinking in C++这本书怎么样啊？这样一道面试题 (转载)-debug求助ftp的问题有什么便宜东西可以发送和接收串口信号吗？[合集] 刚答的C题目[合集] 两个小问题问个double和long double的问题[合集] C++问题(copy constructor)对于dialog OnInitDialog和constructor有什么区别阿？[合集] 如何只用putchar来实现itoa?请推荐中文版的C++ Java Matlab 教材吧[合集] 一个指针的小问题[合集] 软件工程的书有什么好的推荐一下？ (转载)[合集] 请问关于堆栈的问题[合集] 未排序的100个数字，如果最快地找出最大的5个？[合集] Exception Handling in C