陈念满意地了，转便投到了学习中去.

自己刚才的，也是把已经有的东西给王建成传达了一遍，至于真正怎么应用，还是需要他去探索的。

这门课的度已经到了接近70%，预计再有一个月，就可以完成整本课程的学习，到时候，就可以开始尝试转科研 学习同步行的节奏了。

回到住，陈念慢悠悠地打开了自己的课本，准备继续学他的先工程材料。

但是，如果让自己去把这分内容解析来给他.

潘恩颓废地坐在沙发上，睛里全是沮丧的神，似乎失去了所有的光芒。

这不是陈念擅长的分，在上一世，他只是于兴趣学了个。

真正困难的，是怎么用复杂的程序去实现它。

你还说你不会武功！？

他怎么也想不明白，这一次的计划，怎么会又失败了。

王建成啊王建成，你小到底行不行？

王建成小心翼翼地用纸巾掉这副图上多余的分，一时间不知该说些什么。

等陈念放下筷时，他看陈念的神已经完全变了。

“喏，这是卷积神经网络的滤波过程图，这是c1层，作用是产生特征映图，随后，特征再行求和加权.”

不过

告别王建成之后，陈念自己溜达溜达地回到了住。

为啥系统没反应啊！

有系统加持，他在新材料方面的研究一定会比其他人容易得多，而过程中知识增量提供的源，也可以弥补本的消耗。

希望你不要让我失望，要是能再给个惊喜，那就更好了

所以，综合来说，风险很小，换回来的收益却很大。

但现在看来.

陈念抄起筷，沾了汤在桌面上开始写写画画。

良循环！

“你可以先去看看国际上最先的经验，试着用到自己的实里面来。”

到2006年爆发期为止，这个过程里学者们的大分工作，其实就是对基本原理的补充和完善罢了。

自己亲自派去的两名大将，使用的是最隐蔽、最稳妥的策略，但最后，居然连他们自己，都陷了去。

实际上，向他透卷积神经网络的信息算不上什么太超前的技术，因为早在2002年，卷积神经网络的基本原理就已经诞生。

探索，应该也不会太难。”

而此时此刻，海的另一边，五月会办公室内。

这他么什么怪啊！

那还是拉倒吧。

他突然想到，现在这个时间，对方应该是很难找到比较有用的材料的。

汤在桌面上逐渐形成了纵横错的图画，王建成从最开始，便已经全情投地在听，所以哪怕陈念只讲了一遍，他也已经把全内容记在了心里。

于是，他仔细回忆了片刻，继续说：

，6.9个源消耗。

“其中可以重关注一下svm方法，如果有困难，可以找统计学专业的老师帮忙。”

但他不知的是，餐桌上的这一幅图，也许在多年之后，将会成为一段脍炙人的故事

“有几个关键词，应该是你的研究过程中用得上的。”

别人都是我一提上就突破了，你还得消化消化是吧？

虽然这算法的确达不到立刻可用的平吧，但是，他的思路绝对是级的！

实际上，整个卷积神经网络的原理并不复杂，最基础的分，哪怕是完全没有编程基础的普通人，也能在半天之内懂个七七八八。

本来以为，这就是一个普通的、比较心的、并且有一小成绩的学长而已。

他大概觉得这两人学习学疯了，推理都推到餐桌上了。

照王建成的天赋，哪怕这颗不是被自己下，也会在某一次的学习、某一次的研讨上被其他人、其他事情下。

而一旁路过的学生好奇地看着这一幕，脸上好笑的神情。

他画的是当年游戏ai度训练最常用的卷积神经网络的基本结构图。

“函数展开，线回归函数，递归算了，我把大致的原理图画来给你看看。”

真要说起来，这样的动作，其实就相当于下了一颗罢了。

说到这里，陈念停顿了一下。

嘴上说着不懂编程，反手就是一个显然要比随机森林还要的算法甩了来。