李开复致中国大学生父母的一封信

李开复给中国大学生一封信 李开复给中国大学生一封信李开复给中国大学生一封信李开复给中国大学生一封信 立即下载

       写了四封给中国学生的信后,许多学生问我:“开复老师,你为什么不写一封信给我们的父母呢?作为一个父亲,你可以分享你教育子女的理念和经验。”

       作为一个热衷教育的父亲,我确实有不少关于教育孩子的理念。但是对这封信我一直犹豫,因为我不是这方面的专家。在多位同学多次的鼓励下,我问他们:“如果我写了这么一封信,你们会希望我说什么呢?”他们说:

       “告诉我们的父母:我们长大了,真的可以照顾自己.。就让我们自己碰碰钉子吧。”

       “告诉我的父母:你们对我的期望好高,我总是达不到,觉得对不起你们。我希望你们能够接受一个平凡的我。当你们看到我以尽力而为后,可否鼓励鼓励我?”

       “告诉我们的父母:我不想做一个读书的机器,我想找到自己的兴趣,希望父母能支持。”

       “告诉我们的父母:我真的好想和我的父母成为朋友,但是我不知如何启口。”

       听到了这么多充满感情和期望的话,我提起了笔,开始写我对这些话的看法和我对教育的理念。我的理念就是:如何培养一个理智讲理、成功学习、自主独立、自信积极、快乐感性的孩子;然后和他成为无所不谈的朋友。

       中国的家长:最重要的不是你认可多少我这些理念,而是希望你知道你的孩子心中有话。如果这封信能够促使一些家长问问你们的孩子心里的话,彼此沟通理解,甚至成为“朋友”,那么我写这封信的目的就达到了。

       培养理智讲理的孩子

       中国人总是把“听话”当作一个孩子的优点。但是我希望我的孩子不要只做听话的孩子,我要他们成为讲理的孩子。听话的孩子可能只是盲从,而不见得懂道理。讲理的孩子会在你有理时听话。那不就是我们所要的吗?

       虽然我相信启发式教育,但是我也相信孩子需要管教,需要规矩。孩子的成长需要启发,也需要管教。孩子需要培养自信,也需要学习自省。

       我对“规矩”的定律有四个:(1)定好规矩,但是首先把规矩的道理讲清楚,不是盲目地服从;(2)在规矩内孩子有完全的自由;(3)违背了规矩孩子将受讲好的惩罚;(4)规矩越少越好,才能做到启发的作用。

       另外,抓住每一个“机会教育”的机会,但是多用正面的例子,少用负面的例子。如果你想教孩子“见到长辈要主动起立招呼“,那你就自己必须每次都做到。做父母一定要以身作则。要求孩子很严厉,自己却没有首先做到,是不能赢得孩子信服的。

       尤其在人格塑造方面,家长一定要以身作则。比如诚信教育,独立人格和思想的培养,这些家长个人的表现直接影响孩子。所以除了用例子或故事(不要用说教!)来教导孩子,还要提醒自己不要做了负面的作法。

       在人格的塑造方面,有的家长本身就很迷茫。比如诚信、正义等等,因为现实生活中坚持这些往往会吃亏,许多学生走向社会后也慢慢放弃了这些。所以,我觉得要提醒中国的家长,眼光要放长远,中国已经走向国际的舞台,要以国际化的思维方式和价值观念判断生活中的现象,不要做负面的事情,更不要向孩子灌输负面的思想。

       父母能多给孩子宽松的成长环境,只是在孩子碰到困惑时,给以建议,多引导孩子,多和他们沟通,而不是强加给孩子某种愿望。

       培养成功学习的孩子

       在今天这应试的学习环境里,我们很难对课业成绩不在乎。但是,孩子在这环境里的压力很大,我们要尽量体谅他们。不要对孩子希望太高,更不要自己没有实现的理想一定要在孩子身上实现,不管孩子愿意不愿意,或者有没有天赋。太高的,不合理的期望都只会给孩子太大的压力,和对不起父母的罪恶感。不要把成绩看太重,只要尽了力就好。不必要求老是考第一,只要今天比昨天有进步就可以了。扎好基础和真的理解为什么远远比成绩重要。

       尽量然你的期望合理化。你可以要求他慢慢地做得比现在好一点,让他慢慢进步。如果看到不合理的或不可能的目标,孩子可能会根本放弃了。

       尽量把自己对孩子的要求转成对孩子的建议。当然这不是说要放任孩子自己去闯不去履行适当的约束权,而是尽量正确的引导。

       尽量不要把孩子和别人比。这样会培养孩子的竞争心理,有碍于以后步入社会需要的团队合作。

       学习时不要只重视书本里的死知识。在我的《做最好的你自己》一书中,我曾解释四个学习的境界:

       境界一、熟能生巧:在老师指导下学习,掌握课本上的内容,知道问题的答案;

       境界二、举一反三:具备了思考的能力,掌握了学习的方法,能够举一反三,知其然,也知其所以然;

       境界三、无师自通:掌握了自学、自修的方法,可以在没有老师辅导的情况下主动学习;

       境界四、融会贯通:可以将学到的知识灵活运用于生活和工作实践,懂得做事与做人的道理。

       作为父母,希望你能够把握每一个机会,帮助孩子提升学习的境界,从死背升华到融会贯通。

       鼓励孩子去图书馆和网络学习和获取知识。网络虽庞大精深,有最好的学习英语的互动工具,有美国麻省理工大学的所有课程,有“开复学生网”的学生互助社区,但是也有很多负面的诱惑,所以最好家长帮助诱导孩子在网络上的学习。

       鼓励孩子为了学习而学习,不只是为了分数。比如有一次我女儿考试时,有一题她认为对了一半但是被算全错。我要她去问老师,但是他说老师不会给她加分。我就用这个机会解释给她听去问老师的目的是学习,不是加分。

       鼓励孩子自己动手,而不是只要考试成绩好就可以了,要鼓励他马上用到学过的知识,让他知道学这些知识对他自己的生活是有用的,而不是为了考高分才学。你应该记得,死背历史年代、数学公式,是多么地枯燥呀!如果没有使用,那些我们当年死背的东西早就还给老师了。我建议你再不影响学业的前提下,和你的孩子一起做一些“实践”的学习。

       例如,在我的孩子学指数的概念时,我们就拿她的银行存折,一年一年的复利累计下,她将来多么富有呀!当我的孩子在学美国历史时,我教她了一个生动的作业,用电脑动画和我们俩“生动”的配音,重现了美国历史的一个片断。有一句格言说:“我听到的会忘掉,我看到的能记住,我做过的才真正明白。”就是这个意思。

       最重要的是要启发孩子主动地对自己的学习负责。我会和老师配合帮助孩子自己立定学习的目标,自动自发地对自己的学习负责。我大女儿上的中学,每半年会要求学生立定一个学习的目标,半年后衡量有没有达到。以前我女儿比较害羞,有些问题上可是没有听懂但是也不发问。所以他就订了一个目标,每天上课时一定要发问,把不懂得问题问懂,每天下课时衡量自己有否做到。后来达到了这个目标,但是除了发问,她上课不参加讨论。在下一个目标,她就订了要自己每天至少一次举手参加讨论。

       培养自主独立的孩子

       在中国,父母对孩子的关爱特别的深,生怕孩子受一点伤害。所以他们对孩子更多的是保护。放不开手脚。这样导致了孩子有很大的依赖性。也有些父母会帮助孩子设计人生规划,但是这通常会使很多人忽视了自己真正的兴趣和选择的能力。

       但是,二十一世纪将是“自主选择”的世纪。著名的管理学家彼得•德鲁克(Peter Druker)指出:因为信息时代取代工业时代、世界无边的竞争、放权自由的管理模式,“ 未来的历史学家会说,这个世纪最重要的事情不是技术或网络的革新,而是人类生存状况的重大改变。在这个世纪里,人将拥有更多的选择,他们必须积极地管理自己。”

       进入了社会后,孩子必须自己决定自己的行业,自己的老师,自己的老板,自己的公司,创业还是加入公司,学工还是学商,。。。每一天面临的都是选择。孩子需要独立性、责任性、选择能力、判断力。一个孩子如果长大了还是只会背诵知识,听话被动,等着别人帮他作决定或做事情,那他进入社会就算不被欺负,也不会被重视。你的孩子要在这样的社会里生存、竞争、成功。所以他必须学会自主选择的能力。

       当Google的创始人赛吉•布林(Sergey Brin)和拉里•佩奇(Larry Page)在电视上被访问时,记者问他们的成功应该归功于哪一所学校,他们并没有回答斯坦福大学或密西根大学,而回答的是“蒙台梭利小学”自由自在的学习没有任一消极输入的方式。在蒙台梭利教育的环境下,他们学会了“自己的事,自己负责,自己解决”是这样的积极教育方式赋予了他们鼓励尝试,积极自主,自我驱动的习惯,因而带来了他们的成功。

       如何培养独立自主选择的能力呢?我下面提出五个“要”和五个“不要”:

       要教孩子“自己想办法”的习惯。从小让孩子自己去解决自己的事务,让他们明白,任何人都别想推卸责任,让别人替他们收拾残局。让他们经过失败学习,不要什么都想帮孩子做。可以帮助分析自省,可以告诉他你会怎么做,以帮助增加孩子的判断力。

       要把选择权给孩子,让孩子成为自己的主人。虽然你很确定该怎么做,但是你应该给孩子一个机会,让他学习独立决定。他从自己错误的学习得比从你正确的指导还要多。让孩子知道有些事情父母提供意见,但是最后决定在于你,而且随着你的长大,这些事情会越来越多。我记得我5岁时,父母要我读幼儿园,但是我想读小学,于是他们把选择权给了我:“考上了就让你读。”这件事我回终身记得,因为那时我的一次理解我一个5岁的小孩居然有选择。我特别珍惜这个选择,于是我自主地读书,真的考上了。

       要培养孩子的负责心。多指导,少批评。刘墉说:“以前我也对儿子的事安排得面面俱到,但后来我发现这其实培养了他做事不负责任的习惯。而且父母的过度包办,也让孩子变得没有礼貌、不懂得珍惜。”不要事事指使孩子,最好有大方面的沟通和同意(例如:“你的责任是把自己的房间整理干净”,而不是“你房间又乱七八糟乐”)。当孩子没做到时,让他自己理解自己负责的重要性。

       要培养孩子的好奇心,不要什么都教他们。让他自己去试,失败也没关系。

       要信任孩子。信任比惩罚更能够激起责任心。童欣在微软亚洲研究院中以负责著名。他小时在学校犯错后,妈妈甚至没有一句责备。“这件事情已经过去了。”她看着儿子惊恐的眼睛,语气温和:“你过去是一个好孩子,以后还会是一个好孩子。” 童欣说:“那个晚上,妈妈给了我最好的礼物。让我一辈子都受用不尽。”

       不要用太多规矩限制孩子的自由.要让自己的孩子去做他自己喜欢做的事,让自己有一片发挥的天地。如果你有顾虑,用“共同决定”的方法诱导他:例如孩子喜欢玩电脑,不要说“不准玩”,告诉他,如果你的成绩够好了,或是功课做完了就可以玩,但是一周至能玩两个小时。把每一个“否定”变成“机会”,把自主权从你身上转移到孩子身上。这样不但能培养独立能力,而且孩子还会为了自己的兴趣更努力做那些“必须做”的事。

       不要惩罚失败。可以惩罚懒惰、依赖、逃避、不负责任等不良行为,但是不要惩罚失败,失败是让人进步的学习过程,惩罚失败可能会挫伤孩子创造的动力,要鼓励孩子在失败中成长、坚强。

       不要说教:如果孩子相信了你的说教,他可能失去判断力,如果孩子不相信说教,他可能叛逆,或不信任你。

       不要生活上凡事都包办代替,放手让孩子自己做。除了培养独立能力,也可以增加责任感和自信。

       不要过多地插手孩子的事务,剥夺孩子自己的选择权,觉得自己为孩子安排的路是通向成功最直的路,孩子只有服从。不要什么事情都说“不”,给孩子一个机会。

ubuntu18.04安装xenomai3.1(百分百成功版) ubuntu18.04安装xenomai3.1(百分百成功版),保姆级教学!!! 阅读详情

相关推荐

ANSYS材料库实战:手把手教你用APDL命令流定义混凝土和形状记忆合金

本文详细介绍了在ANSYS中使用APDL命令流定义混凝土和形状记忆合金(SMA)的高级建模技巧。通过SOLID65单元和SMA本构模型,工程师可以精确模拟非线性材料行为,包括混凝土的开裂和SMA的超弹性效应。文章提供了完整的命令流示例和求解策略优化建议,帮助用户提升工程仿真效率。

hh234的博客 486

李开复--给家长的一封信

 写了四封给中国学生的信后,许多学生问我:“开复老师,您为什么不写一封信给我们的父母呢?作为一个父亲,您可以与我们的父母分享您教育子女的理念和经验。”作为一个热衷于教育的父亲,我确实有不少关于教育孩子的理念。但是对这封信我一直犹豫,因为我不是这方面的专家。在多位同学多次的鼓励下,我问他们:“如果我写了这么一封信,你们会希望我说什么呢?”他们说: “告诉我们的父母:我们长大了,真的可以照顾自己.。就

purewinds' column 1065

用FPGA驱动WS2812B点阵,手把手教你实现动态文字显示(附完整Verilog代码)

本文详细介绍了如何使用FPGA驱动WS2812B点阵实现动态文字显示,包括硬件连接、Verilog代码实现和动态效果设计。通过精确的时序控制和数据处理,读者可以掌握FPGA与WS2812B的交互技术,并实现炫酷的显示效果。附完整Verilog代码,适合硬件爱好者和工程师参考实践。

weixin_30482383的博客 669

[一种声音]李开复:给家长的一封信

写了四封给中国学生的信后,许多学生问我:“开复老师,你为什么不写一封信给我们的父母呢?作为一个父亲,你可以分享你教育子女的理念和经验。”   作为一个热衷教育的父亲,我确实有不少教育孩子的经验。但对这封信我一直有些犹豫,因为我不是这方面的专家。在好几位同学的多次鼓励下,我逐渐意识到了写这封信的重要。我问他们:“如果写一封信给你们的父母,你们会希望我说些什么呢?”他们说:   “告诉...

weixin_30405421的博客 453

特征模理论指导滤波天线设计的优势和方法

本文探讨了特征模理论在滤波天线设计中的应用优势和方法。特征模理论通过分析天线结构的本征模特性,突破了传统经验设计的局限,实现了辐射与滤波功能的一体化设计。文章重点阐述了如何利用模式显著性(MS)和模式加权系数(MWC)来指导辐射零点的产生,揭示了辐射零点形成的物理机制。通过特征模分析,设计师可以明确调控天线结构和馈电系统,优化滤波性能。这种方法为现代多频/宽带滤波天线设计提供了理论依据和实用工具,显著提升了设计效率和性能指标。

qq_64207806的博客 957

Redhawk解析PAD / IOPAD的实现方法

Redhawk解析IOPAD的实现方法1. IOPAD DEF的概念说明2. 生成 IOPAD GDS文件3. 生成 IOPAD DEF文件4. Redhawk解析过程中读取IOPAD DEF 本文主要简述【Redhawk解析IOPAD】的实现原理方法,具体脚本没有放在这里。 1. IOPAD DEF的概念说明 2. 生成 IOPAD GDS文件 注: getinfo2IODEF.tcl 是基于innovus获取IOPAD的摆放信息以及库信息。 run_cerate_iopadgds.csh 是基于c

kobayashiyou的博客 3154

李开复写给中国大学生的第四封信

李开复写给中国大学生的第四封信 ——第四封信:大学四年应这样度过 消息人士透露,谷歌全球副总裁、大中华区总裁李开复将于今天正式辞职,结束其为期四年的任期。谷歌中国官方和全球均尚未对此消息发表评论。 以下是李开复给中国学生的一封信《大学4年应这样过》: 2005年2月 今天,我回复了“开复学生网”开通以来的第1000个问题。关掉电脑后,始终有一封学生来信萦绕

安源 8991

【视线追踪】视线追踪的性能评估框架 及 基础知识

文章目录一、 前言二、 眼球追踪基础1. 眼动类型研究2. 基本设备3. 校准 calibration4. 眼球视线和头部姿态的关系5. 视线追踪精确度的评估三、 视线估计算法1. 基于2维回归2. 基于3D模型1) 单摄像头2) 多摄像头3. 基于交叉比4. 基于外观5. 基于眼睛形状的方法四、 实现估计的应用1. 电脑2. 电视3. 头戴设备4. 汽车5. 手持设备6. 设备配置五、 视线追踪的性能指标和错误原因1. 不同平台之间差异性很大2. 影响视线追踪可用性的因素六、 视线追踪系统的性能评估框架1

火火的博客 5313

李开复给中国大学生的第四封信——大学四年应是这样度过

今天,我回复了“开复学生网”开通以来的第1000个问题。关掉电脑后,始终有一封学生来信萦绕在我的脑海里,挥之不去:   开复老师:     就要毕业了。     回头看自己所谓的大学生活,     我想哭,不是因为离别,而是因为什么都没学到。     我不知,简历该怎么写,若是以往我会让它空白。     最大的收获也许是……对什么都没有的忍耐和适应……     这封来信

java漫步天下的专栏 6947

10位PWM能否满足电梯±5mm平层精度?4位扩展法让10位PWM达到14位精度

电梯平层精度直接关系乘坐舒适性与安全性,而PWM分辨率是决定精度的关键因素之一。10位PWM能否满足±5mm的平层精度要求?本文从分辨率与物理量的对应关系出发,结合工程精度需求与实战对比,给出明确的选型结论与解决方案,请参考优快云博客《4位扩展法:基于ATtiny816的高精度PWM软件扩展方法》和《低成本高精度PWM:4位扩展法原理、实现和工程实践》。10位PWM的分辨率为 $2^{10} = 1024$ 级。

m0_73354873的博客 244

【OpenClaw从入门到精通】第23篇:OpenClaw办公自动化实战—报表生成+文档批量处理+跨系统同步(2026实操进阶版)

本文聚焦OpenClaw在办公自动化场景的进阶应用,针对职场中高频且重复的报表生成、文档批量处理、跨系统数据同步三大痛点,提供从环境搭建、原理讲解到完整代码实现的全流程实操指南。方案基于Python生态工具链(pandas、Playwright、PyPDF2等)与OpenClaw的低代码编排能力,兼顾新手入门与进阶提升——新手可直接复用代码快速落地,进阶读者可学习流程编排逻辑进行二次开发。所有案例均基于真实办公场景设计,部分虚拟场景已明确标注,代码经本地环境验证可复现。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 967

李开复给中国大学生的一封信

这封来信道出了不少大三、大四学生的心声。大学期间,有许多学生放任自己、虚度光阴,还有许多学生始终也找不到正确的学习方向。当他们被第一次补考通知唤醒时,当他们收到第一封来自应聘企业的婉拒信时,这些学生才惊讶地发现,自己的前途是那么渺茫,一切努力似乎都为时已晚……  这“第四封信”是写给那些希望早些从懵懂中清醒过来的大学生,那些从未贪睡并希望把握自己的前途和命运的大学生以及那些即将迈进大学门槛的未

Martson的专栏 1560

Coze智能体开发:开始使用扣子

扣子全新升级!它不仅能帮你办公、做视频、写代码,更具备自主任务执行、探索进化等能力,真正从“陪你聊”走向“帮你干活”。

王国平的博客 124

李开复写给中国大学生的第三封信

李开复写给中国大学生的第三封信 ——第三封信:成功.自信.快乐 李开复写给中此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最近,在新浪网的聊天室和我收到的许多电子邮件中,我发现更多的中国学生需要知道的不是如何从优秀到卓越,而是如何从迷茫到积极、从失败到成功、从自卑到自信、从惆怅到快乐、从恐惧到乐观。 一个极端的例子是2004年2月发生在云南

安源 1108

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

李开复写给中国大学生的第五封信

写了四封给中国学生的信后,许多学生问我:“开复老师,你为什么不写一封信给我们的父母呢?作为一个父亲,你可以分享你教育子女的理念和经验。” 作为一个热衷教育的父亲,我确实有不少关于教育孩子的理念。但是对这封信我一直犹豫,因为我不是这方面的专家。在多位同学多次的鼓励下,我问他们:“如果我写了这么一封信,你们会希望我说什么呢?”他们说: “告诉我们的父母:我们长大了,真的可以照顾自己.。就让

安源 1219

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

李开复给中国大学生的第五封信—写给中国家长的一封信

写给中国家长的一封信 李开复 2005年11月 写了四封给中国学生的信后,许多学生问我:“开复老师,你为什么不写一封信给我们的父母呢?作为一个父亲,你可以分享你教育子女的理念和经验。” 作为一个热衷教育的父亲,我确实有不少关于教育孩子的理念。但是对这封信我一直犹豫,因为我不是这方面的专家。在多位同学多次的鼓励下,我问他们:“如果我写了这么一封信,你们

u011095348的专栏 1542

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

李开复给中国大学生的第四封信:大学四年应该这么度过

李开复 2005年03月16日 今天,我回复了“开复学生网”开通以来的第1000个问题。关掉电脑后,始终有一封学生来信萦绕在我的脑海里,挥之不去:开复老师:就要毕业了。回头看自己所谓的大学生活,我想哭,不是因为离别,而是因为什么都没学到。我不知,简历该怎么写,若是以往我会让它空白。最大的收获也许是……对什么都没有的忍耐和适应……这封来信道出了不少大三、大四学生的心声。大学期间,有许多学生放任自己、

goodtreeyale的专栏 742

微软副总裁给中国大学生的一封信

导语:李开复博士现任微软公司全球副总裁,是微软亚洲研究院的首任院长。在学术领域,他是攻坚挫锐的科研天才;在管理层面,他又是运筹帷幄的领军人物。作为一位天资卓越的华裔学者,他正在创造着一个又一个奇迹。同时,李开复博士极为关注中国教育,先后给中国学生写了三封饱含关切之情的来信,在国内青年学生中产生了巨大影响。他还为中国学生开通了“开复学生网(www.kaifulee.com)”。近日,李开复博士又撰写

Johnson技术天地 1366

李开复 给中国学生的第三封信:成功、自信、快乐

李开复 给中国学生的第三封信:成功、自信、快乐 给中国学生的第三封信:成功、自信、快乐 作者:李开复  2004-6-9 12:57:10 博客中国(Blogchina.com)   此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最

CrazyFormat的专栏 1234

李开复给中国大学生的第三封信:成功、自信、快乐

李开复给中国大学生的第三封信:成功、自信、快乐   此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最近,在新浪网的聊天室和我收到的许多电子邮件中,我发现更多的中国学生需要知道的不是如何从优秀到卓越,而是如何从迷茫到积极、从失败到成功、从自卑到自信、从惆怅到快乐、从恐惧到乐观。   一个极端的例子是2004年2月发生在云南大学的马加爵事件。马加爵残忍地杀害了自

jeanszu的专栏 6915

李开复给大学生的一封信---大学四年该怎么过?

 开复老师:         就要毕业了。         回头看自己所谓的大学生活,         我想哭,不是因为离别,而是因为什么都没学到。         我不知,简历该怎么写,若是以往我会让它空白。         最大的收获也许是……对什么都没有的忍耐和适应……     这封来信道出了不少大三、大四学生的心声。大学期间,有许多学生放任自己、虚度光阴,还有许多学生始终也找不到正确的学习

weacan_du的专栏 1448

李开复给中国学生的第三封信

李开复给中国学生的第三封信:成功、自信、快乐   祝福中国的学生,当你追求成功、自信、快乐时,不要忘了成功是多元化的,不要忘了自信是自觉而非自傲,不要忘了快乐的人总能理解、接受和喜欢自己。  祝福中国的学生,当你逐步获得成功、自信、快乐时,会发现一个良性循环:从成功里得到自信和快乐,从自信里得到快乐和成功,从快乐里得到成功和自信。   此前,我和中国学生

阿赞的专栏 4800

李开复写给中国大学生的七封信(5/7)

你有选择的权利 2005年11月 有一位中国留学生看完了我《写给中国学生的第三封信》后,感触很深,他写了一封信给我说:“很小的时候,我的目 标就是长大,长大了做什么,我当时没有想;读小学的时候,父母给我的目标就是考初中,考上初中做什么,我没有想过;读初中的时候,父母给我的目标就是考高 中,考上高中做什么,我没有想过;读高中的时候,父母给我的目标就是考大学,考上大学做什么,我没有想过;上大学的时候,父母给我的目标就是要出国,出国 做什么,我也没有想过;现在留学拿到了学位,要找工作了,下一步我该做些什么呢?这

calm_encode的博客 972

李开复给中国大学生的七封公开信(其三)

李开复给中国大学生的第三封信      给中国学生的第三封信:成功、自信、快乐 此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最近,在新浪网的聊天室和我收到的许多电子邮件中,我发现更多的中国学生需要知道的不是如何从优秀到卓越,而是如何从迷茫到积极、从失败到成功、从自卑到自信、从惆怅到快乐、从恐惧到乐观。    一个极端的例子是2004年2

AndrewFrank0zxy的博客 1059

李开复:给中国学生的第三封信

给中国学生的第三封信 成功,自信,快乐李开复2004年5月此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最近,在新浪网的聊天室和我收到的许多电子邮件中,我发现更多的中国学生需要知道的不是如何从优秀到卓越,而是如何从迷茫到积极、从失败到成功、从自卑到自信、从惆怅到快乐、从恐惧到乐观。一个极端的例子是2004年2月发生在云南大学的马加爵事

RedDragon007001的专栏 1216

李开复给中国学生的第三封信:成功、自信、快乐

给中国学生的第三封信:成功、自信、快乐李开复2004年5月此前,我和中国学生的多次交流都是围绕如何达到优秀和卓越、如何成为领导人才而展开的。最近,在新浪网的聊天室和我收到的许多电子邮件中,我发现更多的中国学生需要知道的不是如何从优秀到卓越,而是如何从迷茫到积极、从失败到成功、从自卑到自信、从惆怅到快乐、从恐惧到乐观。一个极端的例子是2004年2月发生在云南大学的马加爵事件。马加爵残忍地杀害了自己的

梦的归宿 1151
上一篇: 李开复给中国大学生的第七封信——21世纪最需要的七种人才
下一篇: 李开复:给女儿的一封信
java漫步天下
博客等级 码龄15年 67粉丝 76原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值