为何学习：
1.找到规律。2.压缩信息。
3.预测未知。
如何学习：
1.明确任务。2.通过例子，找到规律。
3.验证知识。
学习误区：
1.错误的输入输出。
2.错误的学习方式（运动类学习方式，思考类学习方式
3.错误的把信息当做知识。
学习方法：
1.思维导图。2.费曼技巧。
如何应用：
1.分而治之。2.二阶知识。
记忆：记住具体情况
学习：寻找所有情况的共同规律（知识，模型）
模型的泛化能力：模型可以预测未见过的情况的能力。
模型的过拟合：只能解决已有的情况，而不能解决从未见过的情况。只能记住已经学习过的情况，不能推测未见过的情况的现象
查找记忆：记住所有的情况，根据输入直接对应输出
网络记忆：构建出函数（模型），根据输入计算出输出，可被视为过拟合的学习
网络学习：可被视为泛化的记忆
网络机忆的位置：由所有连接共同储存
学习中的遗忘：再找出共同规律（学习）的过程中，由于调整权重（函数，模型），导致连接不断的断开，重塑。
学习后的遗忘：为了提高模型的泛化能力，防止模型的过拟合，根据连接的使用频率，来强化或弱化该连接的一种模型筛选机制
多例子学习：体验多个例子，让神经元更容易找到共同规律。
