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！