十八、神经网络与深度学习——计算机是如何理解图像、文本和语音的
截屏2023-12-19 11.57.57.png
截屏2023-12-19 11.59.28.png
基本单位——函数化的神经元
截屏2023-12-19 12.03.23.png
截屏2023-12-19 12.03.55.png
截屏2023-12-19 12.05.54.png
截屏2023-12-19 12.05.38.png
截屏2023-12-19 12.07.25.png
截屏2023-12-19 12.08.54.png
截屏2023-12-19 12.10.30.png
截屏2023-12-19 12.45.14.png
别忘了，y=sigmoid(x)的一阶导数是y✖️(1-y)，
有了梯度之后，就可以设置学习率，用随机梯度下降法求解最优参数了。
截屏2023-12-19 12.50.07.png
我们直接用上面推导过的神经层次来建立神经网络
因为神经网络的代码太过复杂，因此我们只给出伪代码：
截屏2023-12-20 08.00.11.png
截屏2023-12-20 08.03.47.png
网络模型除了自己开发代码之外，还可以考虑使用已有的tensorflow或者类似于这样的开源人工智能库。
下面介绍一下深度学习。
截屏2023-12-20 08.12.18.png
截屏2023-12-20 08.13.53.png
卷积操作
池化操作
截屏2023-12-20 08.17.06.png
截屏2023-12-20 08.17.50.png
截屏2023-12-20 08.19.09.png
截屏2023-12-20 08.18.59.png
十九、面试时坑了无数人的算法题
前言
i例题1
计算机仿真代码
忽略红框
代码运行结果
1000次中大漂亮获胜502次，因此估算出大漂亮获胜的概率为0.502。
从数学角度解答
image.png
image.png
image.png
例题2
image.png
image.png
实现代码如下
代码运行结果
例题3
用计算机代码来仿真
代码运行结果
从数学角度来解答此题
image.png
概率论讲过，概率密度函数是概率分布函数的导数。
image.png
image.png
当遇到的问题束手无策时，可以从这两个角度寻找问题突破口
二十、人生路上的选择如何用数学计算
生活中会遇到的问题
还有其他的会遇到的小问题
是否接受追求者就是一种最优停止问题
最优停止问题举例
最优停止问题的特征
解决最优停止问题的方法也被称为三七法则
用下面代码仿真
截屏2024-01-08 12.45.20.png
截屏2024-01-08 12.47.05.png
仿真代码运行结果
三七法则的实际应用
回到大漂亮所遇到的问题
大漂亮是否接受靠谱哥的两个条件
当然，时间可以调整
职场问题，决定是否跳槽的几个因素
是否跳槽的一个案例
计算得失一
计算晋升机会
截屏2024-01-09 07.51.53.png
截屏2024-01-09 07.52.30.png
截屏2024-01-09 07.52.48.png
截屏2024-01-09 07.53.05.png
截屏2024-01-09 07.53.44.png
截屏2024-01-09 07.53.57.png
截屏2024-01-09 07.55.26.png
截屏2024-01-09 07.55.50.png
