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.”
汤汁在桌面上逐渐形成了纵横交错的图画，王建成从最开始，便已经全情投入地在听，所以哪怕陈念只讲了一遍，他也已经把全部内容记在了心里。
等陈念放下筷子时，他看陈念的眼神已经完全变了。
本来以为，这就是一个普通的、比较热心的、并且有一点小成绩的学长而已。
但现在看来.
这他么什么怪物啊！
嘴上说着不懂编程，反手就是一个显然要比随机森林还要牛逼的算法甩了出来。
虽然这算法的确达不到立刻可用的水平吧，但是，他的思路绝对是顶级的！
你还说你不会武功！？
王建成小心翼翼地用纸巾擦掉这副图上多余的部分，一时间不知道该说些什么。
而一旁路过的学生好奇地看着这一幕，脸上露出好笑的神情。
他大概觉得这两人学习学疯了，推理都推到餐桌上了。
但他不知道的是，餐桌上的这一幅图，也许在多年之后，将会成为一段脍炙人口的故事
告别王建成之后，陈念自己溜达溜达地回到了住处。
实际上，向他透露卷积神经网络的信息算不上什么太超前的技术泄露，因为早在2002年，卷积神经网络的基本原理就已经诞生。
到2006年爆发期为止，这个过程里学者们的大部分工作，其实就是对基
本章未完，请点击下一页继续阅读！