您可以在百度里搜索“重生学神有系统 热门小说吧()”查找最新章节！
“这么一说，我也得去看看他去。”老宋说着，也跟了上去。
两人并肩下楼。
本以为能在寝室里找到江寒，结果去了之后才发现，403寝房门紧锁。
“没在？”老宋有点意外。
这个时候，江寒能去哪里呢？
“得，我去班级找李东他们问问吧。”老宋说着，正要往出走。
易中海笑了：“那么麻烦干嘛？直接给他打个电话不就完了？”
说着，拿出了手机，找到储存的江寒号码，就拨了过去。
星河酒店，703。
江寒正沉浸在学习和研究里，手机忽然响了。
一看来电显示，居然是易中海的号码。
这可好久没联系了，也不知道找自己什么事儿？
江寒接起电话。
易中海的声音传来：“江寒。”
“哎呀，易老师，您怎么想起给我打电话了？”江寒笑着寒暄。
“没事儿就不能联系一下了？”易中海笑着皮了一句，“咱俩好歹还喝过一顿酒呢。”
江寒：“……”
“你身体怎么样了？”易中海问。
“谢谢您的关心，已经好很多了。”江寒很诚恳地道谢。
“听说你请假了，我和老宋打算去看看你，结果去了你们寝室，居然没有人在。”
江寒想了想，说：“我这几天身体不舒服，怕给室友添麻烦，就在校外住了几天。”
“什么地方？”易中海问。
“星河酒店。”江寒回答。
“房间号？”易中海追问。
江寒：“703。”
“好，我和老宋下班后过去，没问题吧？”易中海又问。
江寒连忙说：“欢迎。”
又说了几句，双方就挂了电话。
“走，咱们去看江寒去。”易中海笑着邀请老宋。
“咦，你刚才不是说下班后去吗？”
“那时候天就黑了，我们早去早回吧。”
“可现在还没下班……”
“没事，早退个一回半回的，你还担心领导把你怎么样啊？”
“倒也没什么，就是有点不放心班级那些小崽子……”
“没事，你打个电话，让王典先顶一会儿……走了走了。”
易中海和老宋联袂走出寝室楼，向大门走去。
两人刚到学校大门口，就听见门卫室里传出一阵豪爽地笑声。
听起来竟然是大校长沈立兴？！
老宋和易中海面面相觑。
现在距离下班可还有不短的时间，要不要当着大校长的面，大摇大摆地离开学校啊？
门卫室门忽然开了，沈立兴和高俊德先后出来，后者手里还拎着一个邮包。
“咦？老宋，你教的好学生！”沈立兴看见老宋，立刻笑着打趣了一句。
可看在老宋的眼里，却感觉对方有点“笑里藏刀”的意思，冷汗差点泉涌而出。
“校长，俺们班那些个不懂事的……这次是谁闯了祸？”老宋十分惴惴不安。
沈立兴大笑：“什么闯祸？是江寒那小子，写的论文居然被amc收录了。”
说着一指高俊德：“他手里就是样刊。”
老宋一颗提着的心啊，这才落回了肚子里。
原来大校长刚才那句话，不是正话反说……
高俊德将邮包递给老宋。
邮包已经拆开了，老宋翻看了一下，果然是一些英文刊物。
易中海跟高俊德打听了一下后，也了解了事情始末。
心里那个震动啊，就别提了……
得知两人打算去看望江寒，沈立兴立即大手一挥：“去吧。”
老宋和易中海答应了一声，却没动地方。
“怎么还不走？”沈立兴有点奇怪。
“这不是还没下班么？”易中海笑着说。
“等什么下班？要去就早点去，看望病人这种事儿，没听说还能拖到天黑的。”沈立兴不满地说。
老宋和易中海连忙答应了。
高俊德笑着对老宋说：“我还打算下班特意跑一趟，给小江送样刊。既然碰上了，你这个做班主任的，就亲自给他捎过去吧。”
老宋自然没二话。
“嗳，对了，校长，我们这事儿不算请假吧？”易中海皮了一句。
沈立兴哈哈一笑：“请什么假？公出！你们俩就代表学校，去探望一下江寒。”
说完转身离去。
但还没走出几步，沈立兴忽然想起了什么，回头交代说：“哦，对了，别空手去，给孩子买点水果什么的，也算咱们这些师长的一点小心意……回头找总务处报销。”
宋谦和易中海喜出望外，连忙答应了。
跟着两人就将被拆开的包裹重新包好，联袂走出了学校。
※※※
星河酒店，703。
江寒正在紧张忙碌。
几乎一整天，他都在研究“自组织特征映射som网络”。
som这玩意，结构上和mlp模型十分相似，都是由简单的神经元，组成的某种拓扑结构。
区别主要在于，mlp是有监督学习，而som模型则属于“无监督学习”。
所谓有监督学习，就是让计算机从给定的训练数据集中，学习出所需要的某个函数。
训练数据中通常包括一个标签项，来告诉计算机，什么样的输入对应着什么样的结果。
而无监督学习，一样需要训练数据，但却并不需要给输入的数据打上标签。
也就是说，输入一组数据，需要输出什么，并不会事先予以规定，也没有确定的结果。
让计算机自己寻找规律，自己去学习应该怎么做，这就是“无监督学习”的基本概念。
事实上，这种非目的性的学习活动，更符合人类对于“自主学习”的定义。
所以，很多时候，“无监督学习”比“有监督学习”更有用。
譬如分析一堆数据的主分量，或分析数据集有什么特点，都可以使用“无监督学习”。
som是将高维的输入数据在低维的空间表示，所以常用来给数据“降维”，此外也常用于数据可视化、聚类等。
som是一种自组织神经网络，在网络结构上，有着十分鲜明的特点。
一般包含输入层和竞争层，构成双层网络，通常没有隐含层。
层之间的各个神经元，进行双向连接，有的时候，竞争层的神经元之间，还会存在横向的连接。
在学习算法上，som也有与众不同之处。
其模拟了生物神经元之间的兴奋、协调、抑制、竞争机制，通过这些作用中蕴藏的信息动力学原理，来指导神经网络的学习与工作。
这一点与“多层感知机”(mlp)对比鲜明，后者通常是以网络的误差，作为算法的准则，来调整参数。
竞争型神经网络的基本思想，是让网络中竞争层的各神经元，竞争对输入模式响应的机会。
最后获胜的神经元，就表示算法对输入数据的分类。
因此，很容易把这样的结果和聚类联系在一起。