第196章 萬年一遇

手推導每一條界的鬆弛與收緊，理解深度學習為何能在參數遠超樣本量的情況下，依然不崩、不爛、不記住雜訊。

再往上，是表示學習與流形學習。

他默認高維數據本就落在低維光滑流形上，用黎曼幾何的眼光去看梯度下降，把優化過程理解成流形上的測地運動，而不是簡單的向量更新。

那些別人靠“煉丹”碰運氣的結構設計，在他這裡，變成了拓撲不變數與幾何先驗的嚴謹選擇。

獲取最新章節更新，請訪問𝑜𝑜𝑝.𝑡𝑤

最前沿的部分，他則直接紮進神經符號係統與因果推理的研究領域。

置設

體簡體繁