当前位置:首页 >  科幻·灵异 > 科技之锤 > 科技之锤_第113节(2/3)
听书 - 科技之锤
00:00 / 00:00

+

-

语速: 慢速 默认 快速
- 8 +
自动播放×

成熟大叔

温柔淑女

甜美少女

清亮青叔

呆萌萝莉

靓丽御姐

温馨提示:
是否自动播放到下一章节?
立即播放当前章节?
确定
确定
取消
全书进度
(共章)

科技之锤_第113节(2/3)

科技之锤  | 作者:网络收集|  2026-01-14 13:32:01 | TXT下载 | ZIP下载

分享到:
关闭

刚刚讲解的那个问题为例,Tp?{N, Z, R, S, L, B, H, P},其中Tp是一组完备的且在不丢失逻辑或语义属性的限制下不可再分解的数据……所有这些数据对象的基本类跟域其空间转换原则需要哪几步?分别如何对应其空间坐标点?谁现在能跟我讲解一下?能讲清楚我承认自己是小学生。”

群里出现片刻的安静,随后马上又开始热闹起来。

“群主,请把楼上那个明显拉低了本群智商的家伙给踢了吧!这还不懂吗?光是这理论能指导我们在有限算力下,对没有任何冗余的数据还能进行数次迭代压缩,不谈这一理论对数据传输的理解,这起码已经超越了现在所有的压缩算法。”

“就是,我简直无法想象,自己竟然跟一个蠢货认真探讨过这篇论文中涉及到的泛函问题。你想想看吧,206页的论文只用几十个甚至更少的字节就能表达!”

“我一直认为本群都兄弟姐妹都是有基本的数学素养的,显然卢克同学并不具备跟我们绝大多数人共通的能力。”

“这个问题已经简单到我不想浪费时间在多做阐述。简直无法相信如此基本的一个问题竟然还有人不懂。”

“附议,踢了吧,他让我发现智商上的差距果然是无法通过勤奋来弥补的。”

……

于是这一次,一帮年轻人推特上的发言也变了画风。

“虽然今年的STOC才刚刚进行完第一场报告会,但我已经基本可以确认这一定是我收获最大的一场报告会,感恩宁为,让我看到了一个全新的方向。”

“原来数学的思想这能如此深邃,很遗憾我没有选择在数学领域继续深入下去,但宁为这场报告会让我看到了对于未来的无限可能。那是多么美妙的数学思想啊!”

“醍醐灌顶般的体验,真的,没有来听这场STOC宁为六十分钟报告会一定会成为无数人的遗憾,那璀璨的数学思想是如此迷人。还好我选择了放弃休假提前研究这篇论文,否则我大概又会浪费掉这次宝贵的机会。果然有付出就能有收获!”

“不管大会评选小组最终如何考虑,但听完报告会的我已经在内心认定今年大会的最佳论文必然有宁为的这篇论文,感恩宁为,让我再次体会到了数学之美。”

“上次听不懂只是完全没有准备,但其实有了准备之后,就能发现跟高手在思想上过招,其实是一件极为幸福的事情。毫不夸张的说,那个亚洲男人已经用他的思想深度征服了我!”

……

宁为并不知道他已经成为了一帮年轻算法天才口中的救世主。

在简单的回答完前排几位教授的提问之后,这场大会属于他的时间便已经结束了,当然从另一个角度也可以说是才开始。毕竟这次宁为参加这次大会,并不止抱着发表论文这一个目的。

接下来是十分钟的休息时间,宁为在接受了前排几位行业内大佬的道贺后,余兴伟拍了拍宁为的肩膀,指了指身后,耳语道:“那位让你看看手机微信。”

宁为回头瞟了眼,露西·罗恩冲他扬了扬手机,脸上挂着说不清道不明的笑意。

好吧,宁为从兜里掏出手机看了眼,然后便看到了一堆的推特截图。

说实话,这让宁为有些诧异。

自己刚才几十分钟说的内容,真的对这帮家伙有如此大的触动?他忍不住看了眼余兴伟,说起来两人一直在一起探讨,怎么没感觉到这家伙能有这么聪明的样子?难道智商真的是硬伤?

这让他忍不住把这些截图给余兴伟分享。

余兴伟诧异看了眼宁为,然后接过手机开始一张张的翻阅起来,脸色有些不好看了。

“所以你就没觉得听完我刚才的演讲突然就融会贯通了?”宁为问了句。

“不是吧,宁总啊,你真以为你刚才讲的那些东西有用?还没你在讲课的时候十分之一细致,怎么可能突然就融会贯通了?”余兴伟苦着脸说道。

“不不不,我觉得你中午应该去找到这些人谈一谈,说不定他们真听懂了呢?顺便你还能为他们介绍下燕北大学的环境,你懂的。”宁为说道。

余兴伟心领神会的点了点头,其实他不是天才不要紧,他能领导天才也行啊。狐假虎威这种事,他还是会的。

161 完美的心灵SPA

STOC大会被称为世界最顶级的大会是有其道理的。二十分钟的休息时间之后,第二场报告会正式开始。

这次在台上做报告的正是宁为昨天才认识的那位大佬迈克尔一世·乔丹的学生之一,罗伯特·桑迪教授。发表的论文题目是《Learng nonlear&ors via& based on the universal approxiation theore of&ors》。

讲述的内容大概是具有单个隐藏层的神经网络可以精确地逼近任何非线性连续算子,而算子的普遍逼近定理暗示了深层神经网络在从分散数据流学习连续算子或复杂系统时的结构和潜力。

非常新颖的内容,这位罗伯特教授的研究团队以此为启发,设计了一个具有小泛化误差的深度算子网络,它由一个用于编码离散输入函数空间的DNN和另一个用于编码输出函数域的DNN组成

(快捷键:←) 上一页返回目录(快捷键:Enter)下一页 (快捷键:→)
next
play
next
close
自动阅读

阅读设置

5
X
Top
关闭
手机客户端
APP下载