Search
使用 C 語言的實用 DSP: FFT ( 快速傅立葉轉換 )，濾波器設計，卷積(Convolution)，IIR，FIR，Hamming Window，線性系統，切比雪夫濾波器( Chebyshev filters )等主題
https://softnshare.com/digital-signal-processing-dsp-from-ground-uptm-in-c/
人生中九月常是個新契機萌芽的時分，12年前的九月，跑去上馬任重老師的課程，目的很單純想要有超過G4以上的高音，大約三、四週這個夢想就實現了，來的很快。
不過呢，雖然很快有了更高、更廣的音域，但整體聲音的表現能力卻是進步緩慢的。到了現在，有更好的聽覺感官的能力，也更能專注在聽上。回首這12年，這聲音能力的開發，還真是慢呀！
像是音感這件事吧！有個說法小時候沒有去練習，長大了很難建立音感，彈什麼音就叫的出什麼音名。這方面，我女兒在七、八歲時，有上美育的音樂課程特別有練。她跟我說，有時我放些鋼琴曲的輕音樂，對她而言反而無助於入眠、放鬆，因為腦中會一直跳出每個音的音名。
而我呢？雖然教課教的多，彈很多、發很多特定的音高，但在鋼琴上彈出一個音，問我是什麼音高、音名，我是辨識不出來的，曾經也有特意練過，但就是練不出什麼名堂。
但邏輯能力就比較傑出，小時候跟二哥常聊科學，二哥的數理能力極好，所以很多推論、邏輯的概念很早就有人在引導，每個月會有牛頓月刊，哥哥看，我也看，討論些其中的內容。
後來五專加入辯論社參與比賽，卅年前的辯論討論的是政策命題，“死刑癈除”、“核電續建”、“單一選區”、“營業稅改制國稅”，對專業知識的儲備與推論的嚴謹要求高。
所以，在12年前學了發聲方法，也練出了更寬的音域後，倒沒有發展太多歌唱上的能力、技巧，反而去研究“聲音”本身，慢慢因為需要而加入了許多想法，“泛音結構”、“聲音的傅立葉轉換”、“人耳對各頻率聲音的敏感度”、“口腔內部空間姿態對泛音強弱化的影響”等等。反而，去研究這件事情感覺更加的如魚得水。
而透過這個特殊的背景，在人聲訓練也走出了截然不同、獨樹一格的路徑，專治發聲能力受到跼限的症狀，反而真的解決了根本性的問題。
這跨界跨的特殊也有趣！
一個的能力養成往往也會成為其它能力的跼限，太追求十項全能，最終會是一事無成的多。而許多看來多才多藝的，潛在的才能還有許多，單一才能也未臻巔峰。
覺得很幸運，在這些跼限中，混合出個特別的能力。
我應該算是科學立論基礎最嚴謹深厚的發聲老師吧！
呵呵！
～～～～～
※ 一對一視訊個人課，請私訊
Line ID: joseyang9287
※ 健聲房公開班，台北(9/25、11/20)，高雄(8/21、12/11):
https://www.cln.com.tw/school_openclass_info_165_.html
最近傅立葉轉換在深度學習的研究是越來越火了，就連pytorch1.9也為了傅立葉轉換推出了複數張量，這一篇是討論深度學習偏好擬合低頻數據所造成的隱式偏差
https://mp.weixin.qq.com/s/nJkZuosd8qdwxcp-jSoAZg
【摘要】
本影片從 Fourier 級數開始講起，內容包含 Fourier 積分，最後以 Fourier 轉換作結
【加入會員】
歡迎加入張旭老師頻道會員
付費定閱支持張旭老師，讓張旭老師能夠拍更多的教學影片
https://www.youtube.com/channel/UCxBv4eDVLoj5XlRKM4iWj9g/join
【會員等級說明】
博士等級：75 元 / 月
- 支持我們拍攝更多教學影片
- 可在 YT 影片留言處或聊天室使用專屬貼圖
- 你的 YT 名稱前面會有專屬會員徽章
- 可觀看會員專屬影片 (張旭老師真實人生挑戰、許願池影片)
- 可加入張旭老師 YT 會員專屬 DC 群
碩士等級：300 元 / 月
- 享有博士等級所有福利
- 每個月可問 6 題高中或大學的數學問題 (沒問完可累積)
學士等級：750 元 / 月
- 享有博士等級所有福利
- 每個月可問 15 題高中或大學的數學問題 (沒問完可累積)
- 可許願希望我們拍攝講解的主題 (高中、大學數學)
- 可免費參加張旭老師線上考衝班 (名額不可轉讓)
家長會等級：1600 元 / 月
- 享有博士等級所有福利
- 沒有解題服務，如需要，得另外購入點數換取服務
- 可許願希望我們拍攝講解的主題 (高中、大學數學)
- 可免費參加張旭老師線上考衝班 (名額可轉讓)
- 可參與頻道經營方案討論
- 可免費獲得張旭老師實體產品
- 可以優惠價報名參加張旭老師所舉辦之活動
股東會等級：3200 元 / 月
- 享有家長會等級所有福利
- 一樣沒有解題服務，如需要，得另外購入點數換取服務
- 本頻道要募資時擁有優先入股權
- 可加入張旭老師商業結盟
- 可參加商業結盟餐會
- 繳滿六個月成為終生會員，之後可解除自動匯款
- 終生會員只需要餐會費用即可持續參加餐會
【勘誤】
無，有任何錯誤歡迎留言告知
【習題】
無
【講義】
無
【附註】
本系列影片僅限 YouTube 會員優先觀看
非會員僅開放「單數集」影片
若想看到所有許願池影片
請加入數學老師張旭 YouTube 會員
加入會員連結 👉 https://reurl.cc/Kj3x7m
【張旭的話】
你好，我是張旭老師
這是我為本頻道會員所專門拍攝的許願池影片
如果你喜歡我的教學影片
歡迎訂閱我的頻道🔔，按讚我的影片👍
並幫我分享給更多正在學大學數學的同學們，謝謝
【學習地圖】
EP01：向量微積分重點整理 (https://youtu.be/x9Z23o_Z5sQ)
EP02：泰勒展開式說明與應用 (https://youtu.be/SByv7fMtMTY)
EP03：級數審斂法統整與習題 (https://youtu.be/qXCdZF8CV7o)
EP04：積分技巧統整 (https://youtu.be/Ioxd9eh6ogE)
EP05：極座標統整與應用 (https://youtu.be/ksy3siNDzH0)
EP06：極限嚴格定義題型 + 讀書方法分享 (https://youtu.be/9ItI09GTtNQ)
EP07：常見的一階微分方程題型及解法 (https://youtu.be/I8CJhA6COjk)
EP08：重製中
EP09：反函數定理與隱函數定理 (https://youtu.be/9CPpcIVLz7c)
EP10：多變數求極值與 Lagrange 乘子法 (https://youtu.be/XsOmQOTzdSA)
EP11：Laplace 轉換 (https://youtu.be/GZRWgcY5i6Y)
EP12：Fourier 級數與 Fourier 轉換 👈 目前在這裡
EP13：換變數定理與 Jacobian 行列式 (https://youtu.be/7z4ad1I0b7o)
EP14：Cayley-Hamilton 定理 & 極小多項式 (https://youtu.be/9c-lCLV4F0M)
EP15：極限、微分和積分次序交換的條件 (https://youtu.be/QRkGLK7Iw4c)
EP16：機率密度函數 (上) (https://youtu.be/PR1NSAOP_Z0)
EP17：機率密度函數 (下) (https://youtu.be/tDQ3o8uQ_Ks)
持續更新中...
【版權宣告】
本影片版權為張旭 (張舜為) 老師所有
嚴禁用於任何商業用途⛔
如果有學校老師在課堂使用我的影片的話
請透過以下聯絡方式通知我讓我知道，謝謝
【張旭老師其他頻道或社群平台】
FB：https://www.facebook.com/changhsu.math
IG：https://www.instagram.com/changhsu.math
Twitch：https://www.twitch.tv/changhsu_math
Bilibili：https://space.bilibili.com/521685904
【其他贊助管道】
歐付寶：https://payment.opay.tw/Broadcaster/Donate/E1FDE508D6051EA8425A8483ED27DB5F (台灣境內用這個)
綠界：https://p.ecpay.com.tw/B3A1E (台灣境外用這個)
#傅氏級數 #傅氏積分 #傅氏轉換
（直播完整版請看播放清單）
本來想抽個司馬遷...不小心就結束了
ALICE Dreamin School 開學啦！只好來直播抽個圖靈安撫一下自己了 (●´ω｀●)ゞ
話說...原來納皮爾是...XDDD
關於Ryo (｡･ө･｡)
【業務合作】 Ryo@capsuleinc.cc
【題材募集】https://goo.gl/forms/rzmlwUYMpbOKFyGA3
【Twitch】http://www.twitch.tv/ryo_0814
【Facebook】https://www.facebook.com/imRyo6
【Instagram】https://www.instagram.com/imryo6
影片BGM資料 版權屬原公司所有
淘汰者或許是一隻比較陌生的王,3王也不見她的蹤跡.這隻只有在中央迴廊碰的到,進去的條件是要先有城,然後投資到一定程度~禮拜6下午2點就會開放.
強度來說我個人覺得是4個迴廊MVP中算比較好打的~除了他會有一些比較討厭的技能在.再來就是她的萌小兵女戰士蘿拉血HP低到一定程度會地裂比較麻煩點.
還好的是斬首都是單一目標攻擊,不會打到蘿拉～根據以前風暴遊俠的慘痛經驗風暴下去，蘿拉沒倒5隻同時地裂，一段2萬多 轟!轟!轟!下去就算有20萬的血也不夠賠...
王火屬性 會脈衝 隕石術怒雷，但沒有很大的威脅～魔解跟敏捷強化比較麻煩 100%命中524 強化後命中需求高達948...所以我就把2皮搬出來了..搭配鷹眼+泥沼術打倒她!
迴廊地圖特別的地方是可以直接PVP但能飛,自己放泥沼自己踩到也有效果....如果碰到其他非同盟公會的人來搶,就可能要邊打王跟邊打人了 (* - -)
深入淺出，通過MATLAB 和Python 的方式深入學習 傅立葉 轉換，詳細課程介紹請參考https://bit.ly/2RLiUfY. ... <看更多>
成大傅立葉 · 约瑟夫·傅里叶- 维基百科，自由的百科全书. ... <看更多>
傅立葉 在 Re: [新聞] 減負擔政院擬祭房貸利息補貼- 看板home-sale 的推薦與評價
※ 引述《tigotigo (鐵劍-小號炸魚仔全家確診)》之銘言：
: 房價漲沒票是因為沒把換房族群考慮進去吧
: 通常房價漲應該很開心才對
: 但是漲房價要幹嘛？
: 要換房啊。
: 你買1000萬的房子，兩年後變成1200萬，你還賺兩百萬。
: 你想換當初兩千萬的房子，卻發現兩千萬的房子已經變成2400萬，
: 漲價看起來好像賺了，其實買小換大換房仔沒賺啊，買更貴了。
: 不過如果是買大換小應該有賺。
: 所以如果都是自住，還想先求有再求好，小房換大房，
: 漲房價真的沒啥感覺啦。
: 嘻嘻
你沒注意到幾點.
1.一般人缺的是頭期款,
所以你家庭年薪120,但是頭期款就是只擠得出80萬.
你就先買400萬的小公寓.
之後漲到550萬,你賣掉就會有230萬+還了一段時間本金的頭期款.=可能250萬.
之後再買就可以跳1250萬(這個東西之前可能是1000萬)
2.小物件漲的比大物件快.
500萬的東西漲到600萬.
通常1000萬的東西只會長到1150萬.
它們不是等比放大.
並且越大的東西漲越慢.
所以你500萬換1000萬有優勢.
1000萬換3000萬有非常大的優勢.
2000萬換5000萬有極大的優勢.
甚至你2000萬漲到3000萬,6000萬的東西才漲到7000萬..
大物件增值整個很顆顆.
躺在那邊等你換.
3.還款年限越開越大.
以前20年房貸幾乎是全部.
現在30年房貸成為主流.
所以同樣借款.
每個月2萬的房貸,以前只能拿去支付400萬20年.
現在每個月2萬,都要可以支付600萬30年.
因此當你自住一段時間後,你再度辦房貸.
你同樣的收入,本來只能買1500萬的房子,會變成可以買2300萬的房子.
4.長期利率還是往下走.
2008以前利率大概都在2.x% 199x年利率都在6% 198x年都在1x%.
今天利率我們也不要抓甚麼1.3%,你這段時間抓1.7%平均好不好.
你可以在看下一階段利率會不會降到1.5%甚至1.3%為平均值..XD
在能源革命以前,利率都會一路往下.
直到能源革命以後,利率會飆漲到一個"經濟奇蹟"時候的數字.
無法判斷會多少,有可能2x%甚至3x%,4x%....
(不用懷疑,能源革命就是人類人生革命)
(能源革命會把你生活絕大多數的東西都升級變化
進而產生一個非常爆炸的經濟繁榮和爆炸性的需求和全世界瘋狂的研發+生產
你想,工業革命帶來多龐大的改變...而工業革命最大的改變本質是甚麼?
是能源的使用方式改變了!!!)
然後只要我們全球金融結構沒有改變,就在從那個數字往下長期走跌...顆顆..
但是當然,能源革命目前看起來20年內應該沒有機會.
(其他方面.科技的事情很難講的,科技有時候一個突破就突破了.
科技雖然是一種累積,但他有臨界點,累積到了就好像遊戲按一個升級.
你的等級就完全不一樣....這就是突破..但前面需要很多累積.
因此科技哪時候突破,是無法預測的,你只能知道"有沒有機會突破"
例如你說VR要植入腦神經甚麼鬼的,你會知道這在短時間內都不可能突破,累積完全不夠)
(不過因為能源會牽扯到她是巨型重工業,巨型重工業每一個步驟都很慢.
因此在實驗室也許某一天突然有大幅突破.
但你還要商轉...那個需要很多"工程"時間
不像個人電腦說熱就熱,之後手機說熱就熱.
電動車剛熱沒多久就2035年歐美要全面禁止汽油車要做一個汽車時代改變)
(反而要是哪一天,突然抗老化基因技術突破....大家可以返老還童.恩....)
所以利率你基本上未來20年都還可以繼續看一路走跌...
跌到負利率也不要太意外...
並且科技雖然說突破就突破,但說卡也不知道會卡多少年...XD
因此科技一項都是"等他突破了"你才做打算..
so..如果你已經在期待能源革命,產業大爆發,利率飆升到雲端..
那....你眼光也太遠了...顆顆....看到商轉了在從新配置都來的及.
5.隨著通膨,你的收入還是越來越多.
想當年大學時候,麥當勞和7-11打工我記得薪資好像是66塊一小時.
(我是沒打工過...聽說...強者我朋友們)
現在基本薪資176塊.
你薪資沒漲是你家的事情.
竹科工程師薪資漲多少自己說.
也因此,搭配更高的年限和更低的利率.
所以購屋的總價有爆發性的提升.
我是指你換屋喔.
你本來家庭年薪100萬,後面家庭年薪變200萬.
利率1.7%降到1%.
年限20年提高到30年.
你本來一個月房貸支付4萬提升到10萬.
所以你本來只能貸款800萬買1000萬的東西.
現在可以貸款3500萬買4500萬的東西.
其實不動產歷史一直都是這樣子.
前不久大家不是還在轉貼新莊公寓開賣,一棟10萬...阿現在不麻要一千多萬.
阿歷史放在你眼前你還不醒,我有甚麼辦法...XD
因此....
換屋就是這樣換阿.
你大腦只有線性代數的程度.
你自然無法理解微積分.
無法裡接ODE PDE.
無法理解拉式轉換,傅立葉轉換.
所以...你是時候要去更新一下大腦智慧比較好.
不然會被時代淘汰.
投資,數學概念是很重要的....不是要你計算多快(這年代計算不都交給計算機)
而是...概念...董媽?
例如思維方式,你只能用線性邏輯,那你自然無法解決模糊系統或是類神經系統的問題.
你怎樣用線性邏輯解決兩個複雜機構在爬坡或是水中和油中的橢圓形軌跡的輸出效能?
你怎麼算??
你就需要用其他最佳化系統去解阿...
高等動力學不就把他們寫成矩陣,之後用其他手段去解.你不用矩陣單用線性怎麼解??
那你投資,那麼多變數那麼多參數,你用直線邏輯系統去解???
難怪詐騙集團很容易騙人..XD
他只要用"封閉模型"然後把很多影響很大的"變數"設為定植"
然後用線性邏輯去解釋....你就會傻傻的信了...顆顆.
就像...
請問現在升息,房價不是應該要跌嗎?....不是應該2020年到今天漲了多少,都要吐回去嗎?
你用線性公式去算不就這樣一回事?
那個自稱甚麼超級還是甚麼國際房仲在講房價一定跌的論點不就是這個?
還是另一票的人說,美國升息那麼多,資金都外逃,他認識的投資客有錢人都賣房子買美金.
又一票說QT回收資金,必跌ba la ba la...
但為啥沒跌?....為啥連回檔都沒看到??升息循環都要結束了....
阿是不是牽扯到,這一次購屋的高風險族群太少,不安定籌碼太少.
建商飢餓行銷清光小建商,大建商屯地和前兩年賺太多財力太雄厚.
雖然資金外逃,但大多都是股市資金+主要外逃的是外資.實際本土資金外逃很少.
另外出租投報率還是遠高於利息...
因此...
牽扯變因那麼多.
你做投資最好他媽的是用單一線性在看...XD
被市場打臉那麼久都不知道.
一般來講向我們都會直接觀察市場當下的局面.
有沒有爆量釋出,有沒有法拍爆量,有沒有小型建商開始開低價再跑.
所以這是甚麼思維?
這是模糊系統拉...幹沒唸書喔..
透過過去市場經驗的大量訓練,因此一個新的局面有非常多的變因.
那你可以直接從"結果"搭配變因去反推變化的走勢.
(結果代表所有變因反映之後反饋的數據,所以變相的等同間接考慮到所有變因)
這不就模糊系統的型態...
阿你還在用線性系統在思維...那你被時代淘汰,被市場打臉當然剛好而已.
阿就你太淺了...都21世紀了,拜託多念一些最佳化辦法好嗎.
又不是牛頓蘋果砸到頭的年代.
同樣的,很多人說短期投資很難操作.
好多變因喔,要是被工班坑怎麼辦,要是賣不掉怎麼辦OOXX..
阿我們怎麼操作短期?
阿就類神經系統思維.
有一個手段,不斷的去訓練她,找出每一個變數的數值.
之後就可以得到最大值解.
進而如果有變化,無論是房價大漲,原物料大漲,還是甚麼鬼.
阿有些老人投資客,市場變了就會很緊張....
因為他線性思維,只會無腦SOP....有變化後會破會他大腦中的邏輯平衡.
那有當然很緊張啊.因為考試出了一個你沒寫過考古題的題目,你不會算阿..
而類神經系統不就,當你有變化你依然可以調整一個最佳化解出來..
這不就類神經系統最大的特長?
所以你要換思維去解決不同的問題啊.
你用感覺去解決法律問題?工程問題??....
你用邏輯去解決藝術問題?運動表現??
這都是走錯路的小羔羊...顆顆.
該切換思維你就是必須切換..
就算你不擅長那個思維,但也比你用錯誤的思維去解決問題來的好.
太多人被時代淘汰.
被市場教訓.
都是因為用錯思維.
然後看到錯誤還不修正..
死抱著自己的思維和認知不放.
而你想要在市場存活甚至賺到錢.
那你就要多鍛鍊不同的思維方式.
這樣你才會在不同的環境和不同的特質情況當中.
"看到利潤的所在"
再選擇最適合的思維方式,去把利潤放大!!!
這就是所謂"解決事情的能力"
而不是"我沒學過"就躺下來擺爛..
喔,你要躺下來擺爛也沒關係,那是你的選擇....那是你家的事情.
我們要賺錢的先走了,不等你了歐....鳩咪!!!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.227.96.162 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/home-sale/M.1672035554.A.1DF.html
楊金龍的意思是有機率之後解放貸款.
(但比較晚)
我是不知道這時候誰聽到要緊縮貸款的...XD
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 14:35:48
這牽扯到一個問題.
股票只要受到一個訊號.
他就會劇烈的大幅震盪.
你看2015中國股災....
2018貿易戰股災.
2020疫情股災.
今天人為股災...XD
股票震盪有多劇烈..這還是指數.
如果個股...你看高端股價怎麼跑的.
而這些訊號,你是無法預測的.
你連會牽動大盤震盪的訊號都無法預測,更何況個股.
再加上個股的內線交易,人為操控,政治干涉都非常龐大.
你看一下之前散戶鬥鯨魚的GME事件(我手上還有一張GME要做紀念用的..)
所以你要AI炒股,太困難了.
一個震盪你就死在沙灘上...並且完全無法預警..
至於AI炒房?
你是要炒短中長期?!?!?
然後講一個很有趣的.
很多人再問我"房子該賣了嗎"
我很常回"那要看你資金使用的目的決定"
例如你台中北屯,2019年買了一間房子.到今天600萬漲到1000萬.
明年冷盤可能死魚在那邊.
請問你該不該賣?
阿如果你賣了錢不知道要幹嘛,股票也不敢進去,只想定存?!?!?
那你幹嘛賣?...收租套利都比定存好.
並且長期北屯還要漲很久很久的,這一波只是剛開始.
下一波台中炒作主力會還在北屯和水楠.
他是一個符合"長期"投資以及"中期"波段同時強勢的區域...
阿如果你說你要拿去做甚麼投資,你預估會有15%投報率.
阿靠邀,快賣快賣.
你可以外面賺一坡再回來買,漲了也沒關係,反正你外面賺一波會賺更多.
阿你說你要賣掉換物件.
這又要看你要買甚麼物件,在哪裡,未來增值的強勢度有多少...
並且還要考慮到你預估的投資年限
(例如你預估投資極短期,或是3~5年或是10年或是20年)
你要兩個作對比,才能知道你該不該賣.
因此你要用AI炒房..
我是不知道炒房需要甚麼AI...XD
另外炒房其實單純很多,你直接判斷就好了..顆顆.
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:14:58
AI目前無法發散思維.
所以對於"沒有列入"的變數.
是無法計算的.
可以發散思維的數學系統,數學家還在努力想破頭想創造出來..XD
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:18:53
這問題也是.
沒有發散思維.
機器人只能你下一個目的或是策略,他照著做.
他會被拘束在封閉框框裡面.
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:20:49
這種東西你怎麼阻止.
只要數學模型一出來.
工程相關的人就會把它寫成AI.
就像寫病毒一樣.
這比毒品還難阻止...XD
他在她家電腦裡面寫,你怎麼查怎麼抓?
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:28:30
AI的未來可以取代大量的工作.
尤其能源革命後,隨著能源爆發性生產和低成本.
自動化會飛快普及(目前自動化是卡在成本問題)
當然也代表著,一個人的生產力會大幅提升(能源革命最大的價值)
但是,這都是"封閉性思維"的AI和自動化.
反而那些AI無法做的事情,價值就會被大幅提升.
例如...業務....!!!
因此你說賺錢要靠AI?
自動化不就是典型...
但是你自動化他也自動化,因此大家又會陷入薄利多銷的削價競爭階段.
而投資則是.
你是人腦,你有發散性思維的能力,這時候你再導入不同型態的思維模式.
這樣你自然可以處理向投資市場這種看似有邏輯,但是又很多人性和無理的問題.
AI到投資市場....只會被人腦耍而已..XD
沒看到華爾街定期都要收割一波那些自動交易的.
他們會創造一個"你們自動交易參數"以外的變數,好好收割一波你們這些養肥的韭菜.
多少股票老師在賣自動交易系統...
阿...買系統的是發大財了嗎...XD
這就是用發散性思維收割封閉性思維的典型.
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:35:03
這你要先數學模型出來才知道會怎樣.
你講的那個思維,可是牽扯到存在主義問題.
要怎樣的數學模型才會想到那個?
現有的AI,不同思維模型可是做不同的事情.
沒辦法互換事情做耶.
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:39:35
這是一個籠統的概念.
實際上你要看數學模型是怎樣.
AI基本上就是最佳化辦法.
問題是最佳化辦法策略那麼多.
所以....判斷色情圖片的AI,沒辦法去下圍棋.
下圍棋的AI沒辦法做步行機器人.
他的策略和結構不一樣.
那發散性思考,這又看未來弄出來的數學模型結構是怎樣.
才知道他可以做甚麼能力範圍在哪.
出來再說..
科學上,是無法過度解讀這個東西的.
※ 編輯: ceca (61.227.96.162 臺灣), 12/26/2022 16:46:37
... <看更多>