windSeS

解决方法 1. 进入鼠标属性面板 控制面板-硬件声音-鼠标 2.将双击速度向左拉一点点，也即将双击速度变慢一点 3. 点击确认按钮 现在试试看，双击就变得灵敏多了。

问：读完这篇博客能学到什么？ 答：1）掌握利用历史训练的累积梯度信息来缓解人工神经网络（深度学习）灾难性遗忘问题；2）能够自己在keras框架下写自己新提出的损失函数对应的优化器。 @[TOC] 1.

（1）这篇论文较清晰地给出增量式学习的概念。 （2）论文有一定的理论与应用方面的价值。 （3）论文的作者仍处于活跃状态，阅读前面的工作有助于理解最新的工作。 （4）经过一轮改换，感觉亲近些，读自己翻译

健忘是一种病态,善忘是一种智慧。 ——写在前面 @[toc] 1. 背景 当你在看这篇博客的时候，就正在使用一个复杂的生物神经网络。你有一个约为876亿个神经元的高度互连的大脑帮你完成阅读、呼吸、运动

1. Hopfield网络原理 Hopfield网络最典型的应用是实现一个联想存储器：在网络中存储一个或多个模式，并能够利用不完全（缺失）的输入回忆起完整的模式。 考虑下图字符识别的例子：任务是从输入

@[toc] 1. 灾难性遗忘问题 对于有导师信号的学习网络，通过反复输入样本模式达到稳定记忆，如果再加入新的样本继续训练，前面的训练结果就会逐渐受到影响。具体表现为对旧数据、旧知识的遗忘。无导师学习

1. 问题 某商贩有一个存储各种水果和蔬菜的货仓。当将水果放进货仓时，不同类型的水果可能会混淆在一起，所以商贩非常希望能够有一台能够帮他将水果自动分类摆放的机器。假设从水果卸车的地方到货仓之间有一条传

1. PCA原理 （本部分参考从零开始实现主成分分析(PCA)算法 ） PCA可以被定义为数据在低维线性空间上的正交投影，这个线性空间被称为主子空间（principal subspace），使得投影数

@[toc] 1. 大脑 1.1 来自肌肉的上下文（Context from motor） 翁教授认为 自主意图是从自上到下的上下文（top-down contexts）中学到的；进一步的，作为意图的