Ivan Negreshniy: 谢谢，我很好，而你似乎有困难，因为你挂在这个线程中，而不是建设性地考虑问题，你干涉其他人的答案 - 是的，确实，引用你的链接，争论，解释，如果你有什么，写你的代码在任何水平，而不是吸吮者的道德教义。
是的，我有困难。我很难理解为什么有些人觉得离开自己的脚跟并努力工作是如此困难。 是的，我在这个主题里闲逛，干扰别人的回答，而不是建设性地解决问题。 _Let's have a constructive discussion about deep learning? Python application? Learning with a teacher on good signals? 我没有人可以和我讨论。而你刚才说你找不到任何东西。好吧，那是不可能的。 是的，我在给一个傻瓜讲课。毕竟，对手自己应用了含蓄的嘲讽，混淆了术语，并犯了几个逻辑错误。
我不知道）。但事实并非如此。
:D
你知道的......我把市场上的顶级产品拿来玩玩......在测试器中运行......比如说海狸。而我对它的原始性感到惊讶......但如果有一点额外的现金，它可以运行一年或更长时间。
它不是每月100%... 但它确实是10%...
因此，这只是一个选择关键的问题。
首先--不完全是契合，因为委员会已被证明工作得更好，这被解释为，例如，在个别模型的相反，在符号上的偏差，导致准确性的提高。其次，所提出的NS的串联是一个单一的、自适应的模型，这在强化学习方法中也被证明是积极的。
有趣的是，我没有在任何地方看到关于这种串联的描述......我得去查一查
:D
你知道的......我把市场上的顶级产品拿来玩玩......在测试器中运行......比如说海狸。而我对它的原始性感到惊讶......但如果有一点额外的现金，它可以运行一年或更长时间。
它不是每月100%... 但它确实是10%...
因此，这只是一个拿起钥匙的问题。
再次，挑选...我认为，尝试太多的选择不是方法。
反馈是一个非常复杂的事情。必须写出数以千计的专著来介绍它。自动调节（控制）系统等理论完全基于反馈。我可以说，在那里没有什么可以用蛮力解决的。
再接再厉...我认为，过度选择选项并不是方法。
反馈是一个非常复杂的事情。关于它，肯定有成千上万的专著被写出来。自动调节（控制）系统等理论完全基于反馈。我可以说，在那里通过努力没有什么可以解决的。
只有实验才能说明问题。
只有实验才能说明问题。
我认为你应该阅读《维纳控制论》，或《动物和机器的控制与交流》。这本书是旧的，1948年的，但我想它可以给你很多启示和新的想法。
ZZY虽然，也许，也没有必要填上头。
有趣的是，我没有在任何地方看到关于这种串联的描述......我得去看看
查一查，但问题是，没有多少新鲜的、系统的关于在尺度层面上处理低级NS结构的信息，因为我们的研究人员甚至很少下降到后端，比如TensorFlow，大部分人都挂在上面或Theano、Keras、Torch或未成熟的R层面。
我不知道你有什么困难。
不去钻研C++代码优化，只写高级代码有什么问题？
PS。对不起，它被烧毁了=)))
我认为你应该阅读《维纳控制论》，或《动物和机器的控制与交流》。这本书很旧了，1948年的，但我想它能给你带来很多展望和新思想。
我不知道，也许这不值得在我的脑子里填满。
是的，我会读的，谢谢。 希望斯大林主义在那里没有受到太严重的影响。
你只是搜索得不好。你真的需要链接，或者我可以给你一些东西，到处都有很好的解释？
我不知道你在纠结什么。
不钻研C++代码优化，只写高级代码有什么问题？
PS。对不起，我在发烧 =）））。
谢谢，我很好，而你似乎有困难，因为你挂在这个线程中，而不是建设性地考虑问题，你干涉其他人的答案 - 是的，确实，引用你的链接，争论，解释，如果你有什么，写你的代码在任何水平，而不是吸吮者的道德教义。
是的，我有困难。我很难理解为什么有些人觉得离开自己的脚跟并努力工作是如此困难。
是的，我在这个主题里闲逛，干扰别人的回答，而不是建设性地解决问题。
_Let's have a constructive discussion about deep learning? Python application? Learning with a teacher on good signals?
我没有人可以和我讨论。而你刚才说你找不到任何东西。好吧，那是不可能的。
是的，我在给一个傻瓜讲课。毕竟，对手自己应用了含蓄的嘲讽，混淆了术语，并犯了几个逻辑错误。
我也提前道歉了，因为我写的是感慨。
我还为你提供帮助，让你了解创建神经网络 的工具的工作原理。没有任何讽刺和挖苦。