记了，进入了一种玄而又玄的状态。
想必当年张无忌学张三丰的太极剑就是这个感觉吧。
-----------------------------
来自数理学院付院长的友情指导，弥补了孟繁岐当下论文大业中最薄弱的一环，足够扎实的数理分析和公式推论。
在AI学科的中后期时代，由于始终没有发现真正可以令人信服的理论，来解释深度神经网络强大的威力。因而许多注重性能和实用方向的文章，越来越像实验报告，而非论文。这点一直被很多人诟病。
投稿人数又每年暴增，大约在17年左右，AI相关的领域变成了不少科研人眼里的洪泛区，滚滚长江都是水，浪花里也淘不出几个英雄。
不过在目前的时间点，不少大会和期刊的审稿人还是相当注重理论部分的，如果这部分的论证和推理不够清晰流畅，即便你的结果再好看，即便你是AI三巨头之一的Lecun，也会被无情拒稿。
孟繁岐机缘巧合，获此殊荣，倒也没有扭捏客气。他早期需要尽快成型的论文有十数篇之多，其中困扰他，让他不知如何下笔的不在少数。
如今有这等良师，自然要频频请教。
他也并不需要付院长抽出大把时间看具体的文章，只是在几个关键公式的起承转合上，自己前世阅读时从未曾在意的细小甚微之处，为自己拨开那一层若有似无的面纱，得以窥探其中真正的奥妙。
几周之后，某一个周五下午的五点左右，孟繁岐刚刚从数院大楼的院长办公室走出来。
里面的付院长却没有按照惯例起身去食堂吃饭，而是将这几次孟繁岐所提问题的纸张又都全部拿了出来，细细端详了一番。
虽然付院长对于深度学习和图像算法这里来说，专业并不对口。
但图片内容如果想在显示器上展示，在电脑中存储，终究还是要以矩阵的形式。其实说白了就是一堆矩形数字，就如同魔方的一个面，上面是九宫格可以存放九个数字，那就是一个3乘3的正方形矩阵。每一个数字就是一个像素，也就是图像的最小组成单元。
要论矩阵之间的运算和变换，付院长可就是这方面的宗师人物了。
虽然孟繁岐从未拿着整篇的论文过来，但从这些零散的问题，以付院长的水平已经能够管中窥豹。
“我们第一次讨论的是极深的深度网络优化问题，他提出的残差和批归一化，应该属于模型结构的范畴。”
本章未完，请点击下一页继续阅读！