十八、神经网络与深度学习——计算机是如何理解图像、文本和语音的

截屏2023-12-19 11.57.57.png 截屏2023-12-19 11.59.28.png 基本单位——函数化的神经元 截屏2023-12-19 12.03.23.png 截屏2023-12-19 12.03.55.png 截屏2023-12-19 12.05.54.png 截屏2023-12-19 12.05.38.png 截屏2023-12-19 12.07.25.png 截屏2023-12-19 12.08.54.png 截屏2023-12-19 12.10.30.png 截屏2023-12-19 12.45.14.png

别忘了，y=sigmoid(x)的一阶导数是y✖️(1-y)，
有了梯度之后，就可以设置学习率，用随机梯度下降法求解最优参数了。

截屏2023-12-19 12.50.07.png 我们直接用上面推导过的神经层次来建立神经网络

因为神经网络的代码太过复杂，因此我们只给出伪代码：

截屏2023-12-20 08.00.11.png 截屏2023-12-20 08.03.47.png

网络模型除了自己开发代码之外，还可以考虑使用已有的tensorflow或者类似于这样的开源人工智能库。

下面介绍一下深度学习。

截屏2023-12-20 08.12.18.png 截屏2023-12-20 08.13.53.png 卷积操作 池化操作 截屏2023-12-20 08.17.06.png 截屏2023-12-20 08.17.50.png 截屏2023-12-20 08.19.09.png 截屏2023-12-20 08.18.59.png

十九、面试时坑了无数人的算法题

前言 i例题1 计算机仿真代码 忽略红框 代码运行结果

1000次中大漂亮获胜502次，因此估算出大漂亮获胜的概率为0.502。

从数学角度解答 image.png image.png image.png 例题2 image.png image.png 实现代码如下 代码运行结果 例题3 用计算机代码来仿真 代码运行结果 从数学角度来解答此题 image.png

概率论讲过，概率密度函数是概率分布函数的导数。

image.png image.png 当遇到的问题束手无策时，可以从这两个角度寻找问题突破口

二十、人生路上的选择如何用数学计算

生活中会遇到的问题 还有其他的会遇到的小问题 是否接受追求者就是一种最优停止问题 最优停止问题举例 最优停止问题的特征 解决最优停止问题的方法也被称为三七法则 用下面代码仿真 截屏2024-01-08 12.45.20.png 截屏2024-01-08 12.47.05.png 仿真代码运行结果 三七法则的实际应用 回到大漂亮所遇到的问题 大漂亮是否接受靠谱哥的两个条件 当然，时间可以调整 职场问题，决定是否跳槽的几个因素 是否跳槽的一个案例 计算得失一 计算晋升机会 截屏2024-01-09 07.51.53.png 截屏2024-01-09 07.52.30.png 截屏2024-01-09 07.52.48.png 截屏2024-01-09 07.53.05.png 截屏2024-01-09 07.53.44.png 截屏2024-01-09 07.53.57.png 截屏2024-01-09 07.55.26.png 截屏2024-01-09 07.55.50.png