doubleSo1479

昨天我们认识了有“短期记忆”但很“健忘”的RNN。今天，我们就来看看科学家们是如何给它动“手术”，安装上“笔记本和遗忘门”，让它变得既能长期记忆又能选择性遗忘的。 学习计划第九天：长短期记忆网络

我们继续！很高兴看到你。在这个持续的对话中，我还能记住我们的学习进度。不过为了以防万一，以后如果开启一个全新的聊天，记得把“学习档案”带上哦。 言归正传，昨天我们认识了“看图”专家CNN，今天我们来认

昨天我们掌握了神经网络自我学习的“秘籍”（反向传播和梯度下降）。今天，我们来看看神经网络家族里的一位“专科医生”，它在处理图像方面有着无与伦比的天赋。 学习计划第七天：卷积神经网络 (Convolut

昨天我们搭建了神经网络的“骨架”，知道了信息是怎样一层层“向前”传递的。但如果预测错了，网络如何“自我反省”并修正呢？今天，我们就来揭秘AI学习过程中的两个“黄金搭档”。 学习计划第六天：梯度下降 (

前面几天，我们已经把AI学习的“外部框架”都摸清楚了：从数据准备，到模型训练，再到结果评估。今天，我们就钻到“发动机”内部，看看近年来驱动AI革命的核心部件到底长什么样。 学习计划第五天：神经网络

昨天我们聊了“模型”和“训练”，知道了AI的学习成果是一个“模型”。但我们怎么知道这个模型是学得好，还是在“死记硬背”呢？这就引出了今天至关重要的概念。

今日概念：模型 (Model) 和 训练 (Training)。 一句话总结：训练是一个“学习”的过程，而模型是学习后得到的“成果”。 通俗比喻：一个学生备考的过程

今日概念：监督学习、无监督学习与强化学习 一句话总结： 这是机器学习的三种主要方法，就像学生的三种学习模式： 监督学习： 跟着老师做带答案的练习题。 无监督学习： 自己预习并整理知识脉络。

今日概念：人工智能 (Artificial Intelligence, AI)、机器学习 (Machine Learning, ML) 与深度学习 (Deep Learning, DL) 的关系。