这也算某种程度上的虎父无犬子了吧。

“那伱打算用什么算法解决？”

“呃目前想的是机器学习，让僚机具有一定的决策能力，作为模仿的补充。主要用ensemblelearning，具体的就是随机森林算法，不过我感觉，这种算法还是有点偏弱了。”

“目前暂时没有更多好点子，先走一步看一步吧，我觉得就算这样，进特别班也够了。”

那是肯定够了。

即使不够，我也会让陈果给你安排进去的。

陈念心里暗暗想着。

不过，随机森林算法在这个时代，好像确实有一点落后了。

在自己的记忆里，大概到明年，也就是2006年，深度学习算法就要出现了。

与其让他去搞随机森林，不如直接上深度学习？

这种算法不仅在机器学习方面更加优异，甚至可以说，就是深度学习算法的出现，引发了ai爆发性增长的狂潮。

真让王建成搞出来的话，前途不可估量。

哪怕只是开个头，给后人打个基础，也不失为一次好的尝试。

想到这里，陈念开口说道：

“我有一个想法，你可以试一试。”

“现在论文库上应该已经出现了一些关于关于逐层初始化的机器学习训练模型，基于这个模型，还有更多的潜力可以深挖。”

“以你的能力，能在这个年龄运用ensemblelearning，继续往深入探索，应该也不会太难。”

“你可以先去看看国际上最先进的经验，试着用到自己的实操里面来。”

“其中可以重点关注一下svm方法，如果有困难，可以找统计学专业的老师帮忙。”

说到这里，陈念停顿了一下。

他突然想到，现在这个时间点，对方应该是很难找到比较有用的材料的。

但是，如果让自己去把这部分内容解析出来给他.

擦，6.9个源点消耗。

那还是拉倒吧。

于是，他仔细回忆了片刻，继续说道：

“有几个关键词，应该是你的研究过程中用得上的。”

“核函数展开，线性回归函数，递归算了，我把大致的原理图画出来给你看看。”

陈念抄起筷子，沾了汤汁在桌面上开始写写画画。

他画的是当年游戏ai深度训练最常用的卷积神经网络的基本结构图。

实际上，整个卷积神经网络的原理并不复杂，最基础的部分，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。

真正困难的，是怎么用复杂的程序去实现它。

这不是陈念擅长的部分，在上一世，他只是出于兴趣学了个皮毛。

“喏，这是卷积神经网络的滤波过程图，这是c1层，作用是产生特征映射图，随后，特征再进行求和加权.” 本章未完，请点击下一页继续阅读！ 第2页/共4页