: 我很好奇什麽样的资料配上运算会让电脑矛盾 : 如果是你跟电脑要地址，却回应给你电话 : 称之为语意错误 : 如果是你拿字串作+-*/得到乱码或ASCII : 算是资料型别错误 : 如果是语法错误，程式会无法执行或是出现非预期的crash : (也有可能是无限回圈或是资料溢位、纪录毁损...等等的错误) 显然你是搞错我说的资料的型态了. 你所举的全都是人类都已知结果, 自然科学的, i预期的, 数位的, 非0及1的. 而我所谓的资料包含模糊的, 片段的. 正确与错误都未知的. : : "但每一台的参数(经验)都会变的相同(经验复制)". : : 与你的看法不同的是, 我将学习当作是一种"内部状态"的改变. : : 如同有限交换机转变到不同的状态, 而这个状态又会当成下一次学习的参数. : : --> {现在资讯进入} 与 {前一次所得} 产生 {现在资讯所得} : : 一开始每台机器都是空的, 所以参数都一样, 从第一次资讯进入後, : : 由於每台接收的资讯不同, 产生的 "现在资讯所得" 也不同, 从此参数开始不同. : : 而同步只是另一种 "现在资讯进入" 而已. : 对电脑而言只有已输入的资讯(变数)与加入的资讯(参数) : 最基本的程式 : int i=0 : i=i+1 : 就已经完全符合你{输入}+{已知}={现在}的描述 : 如果你的演算法是写成 : if i>100 : 就出现[结论] : 那麽另一台相同演算法的电脑 : 是否需要透过改变内部状态才能得知结论? : 很显然是不用 : 即便你将思考写成涵式组成的状态机也是一样的情况 你想证明什麽? 我认为你没回答到问题的重点. 我是不是应该回 "如果不同的输入, 在你的例子中得到不同的输出, 但是因为另一台机器可以推论得出来, 所以不需要状态? " 我们不是在讨论"另一台机器可以推论得出来"的问题, 而且在你解释我的说明中 "{输入}+{已知}={现在}", 你有说明 "已知"与"现在"的关系吗? 以你的例子, 应该改成 state = state + input 我假设 初始 state = 0, 现在开始 input 1:(0,1,2), input 2:(2,1,0) 我还要列出中间过程, 来表示 state的改变是不同的吗? 好吧, 我还是列好了: input 1下的 state改变是 (0+ 0 ) = 0, (0+ 1 ) = 1, (1+ 2 ) =3, state 改变 0->1->3 input 1下的 state改变是 (0+ 2 ) = 2, (2+ 1 ) = 3, (3+ 0 ) =3, state 改变 2->3->3 你顶多能说, 输入顺序(0,1,2) 与输入顺序(2,1,0) 最後得到的结果是相同的, 这又是输入顺序的问题了. :: 我想说明的是，[标记不同的经验输入顺序，在功能上没有意义] :: 如果说资料库的连结是一个拼图 :: 那麽给予输入顺序意义代表的就是一种拼法 :: 但是有效率的资料库可以根据需求作出各种拼法 :: 但今天你学到了A，跟明天你学到A并不应该影响A的功能和意义 :: 事实上，我不知道赋予先後顺序对效率有什麽意义 你想证明"经验输入顺序与结果"完完全全"没有关系吗?" 很好, 那你可以写一篇相当优秀的论文了. 已经有人说明了, "造成(类神经网路)无法收敛的原因" 有一种可能就是 "输入训练的资料其排列顺序问题。" 期望看到你的大作. --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 203.73.43.189 ※ 编辑: rexrainbow 来自: 203.73.43.189 (07/02 12:13)