第133章 符號逻辑推理的数学模型
  “而且，系统发布的那个『多维度的学者』主线任务，要求我在其他三门学科发表sci论文。ai，正好对应著『计算机科学』。”
  “如果能把这篇laart论文吃透，再结合我现在的数学能力，发一篇计算机领域的顶刊，应该不是什么难事。”
  “更重要的是，如果真的能把这个模型復现出来，哪怕只是一个简化版，它也能成为我科研路上的得力助手。”
  想到这里，徐辰不再犹豫。
  他打开电脑，登录了北大的图书馆资料库，开始疯狂地下载关於“深度学习”、“自然语言处理”、“图神经网络”、“符號逻辑”等领域的经典教材和前沿论文。
  《深度学习》（花书）、《统计学习方法》、《强化学习导论》……
  一本本厚重的电子书，被他拖进了阅读列表。
  ……
  本书首发 读好书选 101 看书网，????????????.??????超讚 ,提供给你无错章节，无乱序章节的阅读体验
  他先是用两天时间，將《深度学习》这本被誉为“ai圣经”的花书，从头到尾“扫描”了一遍。
  对於普通计算机系的学生来说，这本书里的数学推导，比如反向传播算法中的链式法则、正则化中的拉格朗日乘子法，可能需要花上几个月去消化。
  但对於数学等级已经达到lv.2巔峰的徐辰来说，这些东西，简直就像是小学生的加减乘除一样简单。
  “所谓的神经网络，本质上就是一个高维空间中的非线性函数逼近器。”
  “所谓的训练，就是在这个高维空间里，寻找一个能让损失函数最小化的点。”
  “所谓的泛化，就是希望这个函数在没见过的数据点上，也能表现得足够好。”