huibin.yun的博客

数学模型概念理解起来没那么复杂：数学模型就是描述输入与输出关系的方程，也即函数（当然可以理解成数学函数或者程序员写的函数了）。还不理解？举个栗子，比如一元二次方程、直线方程、曲线方程等都是简单的数学模型（它们都是给输入x1，x2，x3…，然后根据公式给出输出y1，y2，y3，…）。数学模型就是用数学表示输入与输出的转换关系，这样够直白了吧。控制理论中的传递函数也是数学模型，但变的较为复杂。牛人有句话：所有模型都是错误的，但是有用的。...

Win10+CUDA10.0.130＋cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060 安装环境： 系统：win10 1803 显卡:GTX1060 笔记本：微星GL63 我是参照下面博客，完成了CUDA10.0.130＋cudnn7.4.1+anaconda3 5.2.0这个博客讲的...

以下根据网上资料汇总分析，并不一定就是如此。2018年k210流片成功。这种AI＋MCU的情况首次出现，相当于MCU的AI＋新事物。新事物的诞生总会一群人的目光，也是新的技术新的商机所在。

单片机从此多了个新分支——人工智能单片机，比如芯片等。各行各业有了AI的加持出现了新事物。

1943年神经元模型MP诞生，奠定了神经网络大厦的地基，但权重是写死的，不能学习。1949年提出Hebb学习率，奠定了学习算法的演进方向——调整权重。1958年感知器诞生，标志了单层神经网络的诞生。1969年minsky发表论文《perceptron》说感知器（单层神经网络）不能解决异或问题且多层神经网络也没有什么收益。造成了第一次十年寒冬。然后怎么解决呢？经过十年左右的探索。1986年BP反向传播算法诞生，解决了两层神经网络的学习计算问题。第一次寒冬破碎。两层感知机（两层神经网络）可以解决异或问

2层神经网络解决异或问题后，第二次浪潮开启。但接着由于SVM的极度威胁造成了第二次寒冬。后来深度学习的出现——其他复杂的线性不可分问题可以采用更多的神经元或层次来解决，这就把SVM（支持向量机）打趴下了。第二次寒冬融化并开启第三次浪潮。...

深度学习开启了第三次浪潮，寒冬：无。个人看法：未进入寒冬，也进入不了寒冬，原因是终于落地了，产品化了，能为资本家赚钱了，你舍得让它进入寒冬，资本家可不愿意。因为资本家的介入，学术圈的大牛难以撼动了。...