没想到吧!利用深度生物神经网络应对考试!

哎呀,大学期末考试真的是让人苦恼啊~~

对于我这种平时上课不认真听课,最后要临时抱一下佛Jio学渣。在期末发现就要考试了,但是又发现自己在短期内根本就不知道怎么去复习。平时一直在玩手机的我,陷入了紧张的状态,每天只能紧张地玩手机。这可咋整?不过,说到学习,我突然就想起了这本书(我喜欢叫它西瓜书)里的人工神经网络!

虽然字都看懂了,但是啥是神经网络?神经网络就是具有适应性的简单单元组成的广泛并行互联的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反映。

说人话就是模拟你的脑阔来实现交互。这可咋整,我不会这个鬼啊,我不会模拟生物神经系统啊。不过,转念一想,雾草!我不就是生物吗?我脑阔里不都是生物神经元吗?哈哈哈哈哈哈哈哈嗝。

但是问题来了,怎么做这个鬼东西?机器学习啊!人工智能啊!好高大上啊!打扰了打扰了。

不用怕,做好,开始发车!

首先,做人工智能或者机器学习,要先有的是数据。数据怎么来呢?一般老师出过的题,平时作业题,和学长PY交易过的往年真题,都可以说是数据。而这些试卷和题的集合被称为“数据集”(data set),而每一道题的题目被称为“样本(sample)”,而题目的知识点我们可以称为“特征(feature)”,题目答案称为标签(label),而考试题目的范围我们可以称为“样本空间(sample space)”。

我们从题目和答案之间习得做题方法的过程称为“学习(learning)”或者“训练”(training),我们做的题目被称为“训练数据(training sample)”。做有标准答案的题目我们可以说是“监督学习(supervised learning)”。

说了一堆术语之后,重点来了!怎么利用神经网络来学习期末考试呢?

上面是Andrew Ng的deep learning的课的截图

第一步:获取数据集。

一般来说,老师出过的题,平时作业题,和学长PY交易过获得的往年真题都行,反正首先找到题。因为老师出题是有一点套路的,为了控制挂科率,一般喜欢出作业题,往年的题的变种。

第二步,搭建训练环境

手机丢掉,一切干扰学习的东西全部丢掉!然后找一个光线充足,安静,环境温度适宜的地方,开始进行闭关训练。旁边有没有小姐姐,视情况而定。可以准备咖啡之类的提神一下。

第三步,进行训练

其实训练的方法就是对着题目和答案开始做。你可能觉得自己一脸蒙蔽,这可咋整?Take it easy,不会做就看答案抄一遍,但是抄的过程要总结规律,规律越简单越好,一定不要试图复杂化。比如题目中给的某个参数,使用了什么公式,公式参数的对应,等等。训练的题目不能太少,因为太少了你总结不出来什么规律;也不要太多,因为训练是要反复地进行的,太多了时间不够。

比如我们通信原理的第一章,把题目全部做了一遍之后,发现重点是在求信息量,信息有效性上。然后答案里有几条出现频率概率很高的公式(信息熵),好,总结记下来。然后再多做几道第一章的题目,不断修正自己发现的规律。你的大脑中就会慢慢有关于这类题目的模型,考试的时候不管他三七二十一,你就会自然而然的觉得要那样做。

第三步半,特殊训练。

如果真的遇到了自己完完全全没有头绪的题,可以看看书上的相关概念,然后再尝试寻找相关规律。

第四步,模型评估。

我们可以试着不看答案,把之前的题目自己做一遍,根据自己大脑中生成的模型,然后对照答案,发现自己模型的不足(均方误差),然后继续训练。

第五步,循环

一个章节一个章节地过,你会发现章与章之间的关联,然后进一步优化大脑中的模型。

最后,自己就可以自信地上考场了,我们就通过自己建立的这套简单而粗糙的“深度学习”的模型,就取代了教科书上的专家模型,单单从考试成绩上来说,你就会和平时努力学习的同学们差不多了。虽然你并不理解知识点,或者原理,但是你就是能做出来并且作对。

这个方法在专业性强的学科比较适用,因为出题规律,知识点比较少,样本空间比较窄,训练的模型的效果比较好。

这个其实是最下的下下策,这种投机取巧的方法只是在应付考试上有用。平时还是别用了~~~

知而慎行,君子不立于危墙之下,焉可等闲视之。

所以还是平时听听课,做做笔记,给老师正面的印象~~(那就是社会工程学的内容了)

其实本文可以用三个字总结:背答案(逃)

(本人只是对机器学习与深度学习略知一二,若出了偏差,欢迎指正!)

所以考研还是一步一脚印来吧~~~大家加油!

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180106G0HV2W00?refer=cp_1026

扫码关注云+社区