最简单的一种模型是outut=fn(...f2(f1(input)*w1)*w2)*wn
其中，w1、w2……wn是矩阵，这些就是参数
这些参数通过训练得来，通常是通过反向传播来计算出来



【 在 chunhui 的大作中提到: 】
: 哪位给科普一下。多谢。这些参数是具体指什么？参数是由什么划分出来的，根据什么来划分这些参数？
--
FROM 121.35.45.*

那你这个要学的东西就要好多了。
往大的说，你可以搜索学习一下NLP，往小的说你可以学一下tokenization
虽然很多人喜欢推荐coursera上那个谁的讲的课程，但是，我个人推荐入门的话可以看youtube 王树森 的课程，我觉得他讲的更好


【 在 chunhui 的大作中提到: 】
: 那矩阵是根据什么定义的？
: 比如处理一段文本。是否可以这样理解：每个文字相关的特性会被区分出来。比如：发音、单个文字出现的位置，文字的顺序。。。这些是否会被转化成矩阵？如果不是，那矩阵所代表的是文本的什么？
: 我这个问题如果解释起来很麻烦的话，有没有相关的介绍资料推荐？
--
FROM 121.35.46.*