大火的人工智能本质上就是一些简单的函数的组合，比如f(x)=kx b，只是可能不只有x,还会x1，x2，...xn，只是维数不同，当维数很多的时候自然就需要方程组才能求解，维数越多自然需要的算力就越多。于是就有了矩阵Y = Kx b，而这里面的K就是训练中所谓的Weight。在CNN中通过反向求导来不断更新K的值，直到取到最小的误差。
这些东西早在上个世纪很多经典的算法都已经被开发出来了，只是当时的算力不行，直到最近几年，算力发生了质的变化，再一次让人工智能火了起来。
当然了，不懂原理，一点不耽误玩大模型的，只要有足够好的设备，自己都可以训练模型。
函数函数，个人理解本质上就是一种映射。以下下内容来自百科:
LiveCharts2函数（function），数学术语。其定义通常分为传统定义和近代定义，函数的两个定义本质是相同的，只是叙述概念的出发点不同，传统定义是从运动变化的观点出发，而近代定义是从集合、映射的观点出发。函数的近代定义是给定一个数集A，假设其中的元素为x，对A中的元素x施加对应法则f，记作f（x），得到另一数集B，假设B中的元素为y，则y与x之间的等量关系可以用y=f（x）表示，函数概念含有三个要素：定义域A、值域B和对应法则f。其中核心是对应法则f，它是函数关系的本质特征。
Beautiful, animated, mv* friendly, automatically updated, cross-platform and easy to use。和Echats是一类的，可以画各种图表。
画函数图像画出来后的函数图像如下，相信一看就知道这是什么函数了：
直接上代码(使用Avolonia mvvm模式)： MainWindow.axaml
<Window xmlns="https://github.com/avaloniaui"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
xmlns:vm="using:AvaloniaApplication1.ViewModels"
xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
mc:Ignorable="d" d:DesignWidth="800" d:DesignHeight="450"
x:Class="AvaloniaApplication1.Views.MainWindow"
x:DataType="vm:MainWindowViewModel"
xmlns:lvc="using:LiveChartsCore.SkiaSharpView.Avalonia"
Icon="/Assets/avalonia-logo.ico"
Title="AvaloniaApplication1">
<Window.DataContext>
<vm:MainWindowViewModel />
</Window.DataContext>
<lvc:CartesianChart
Series="{Binding Series}">
</lvc:CartesianChart>
</Window>
MainWindowViewModel
其中第三个函数是其他三个函数叠加成的，这里主要是想验证下傅里叶变化波的叠加。
using System;
using System.Collections.Generic;
using System.Threading;
using LiveChartsCore;
using LiveChartsCore.Defaults;
using LiveChartsCore.SkiaSharpView;
namespace AvaloniaApplication1.ViewModels;
public class MainWindowViewModel : ViewModelBase
{
public ISeries[] Series { get; set; }
= new ISeries[]
{
new LineSeries<ObservablePoint>
{
Values = GenerateSinPoints(1000, 0, 2 * Math.PI),
Fill = null
},
new LineSeries<ObservablePoint>
{
Values = GenerateSinPoints2(1000, 0, 2 * Math.PI),
Fill = null
},
new LineSeries<ObservablePoint>
{
Values = GenerateSinPoints3(1000, 0, 2 * Math.PI),
Fill = null
},
new LineSeries<ObservablePoint>
{
Values = GenerateSinPoints4(1000, 0, 2 * Math.PI),
Fill = null
}
};
static ObservablePoint[] GenerateSinPoints(int segement, double start, double end)
{
int n = segement;
var points = new ObservablePoint[n];
double zoneLen = (end - start) / segement;
for (int i = 0; i < n; i )
{
double x = start (i) * zoneLen;
double y = Math.Sin(x);
points[i] = new ObservablePoint(x, y);
}
return points;
}
static ObservablePoint[] GenerateSinPoints2(int segement, double start, double end)
{
int n = segement;
var points = new ObservablePoint[n];
double zoneLen = (end - start) / segement;
for (int i = 0; i < n; i )
{
double x = start (i) * zoneLen;
double y = Math.Cos(x);
points[i] = new ObservablePoint(x, y);
}
return points;
}
static ObservablePoint[] GenerateSinPoints3(int segement, double start, double end)
{
int n = segement;
var points = new ObservablePoint[n];
double zoneLen = (end - start) / segement;
for (int i = 0; i < n; i )
{
double x = start (i) * zoneLen;
double y = Math.Cos(x) Math.Sin(x) 5 * Math.Cos(2 * x - Math.PI / 4);
points[i] = new ObservablePoint(x, y);
}
return points;
}
static ObservablePoint[] GenerateSinPoints4(int segement, double start, double end)
{
int n = segement;
var points = new ObservablePoint[n];
double zoneLen = (end - start) / segement;
for (int i = 0; i < n; i )
{
double x = start (i) * zoneLen;
double y = 5 * Math.Cos(2 * x - Math.PI / 4);
points[i] = new ObservablePoint(x, y);
}
return points;
}
}写在最后
高中的时候，如果老师能把这些东西画出来，展现在我们面前，也许能更加有助于我们理解很多函数的特性。指数函数，高斯函数，椭圆方程，双曲线方程等等都可以画出来的，直观的图像给人的感受真的不一样。
用python的话比C#简单好多，思路大同小异，都是有限元的思想，差分取值，只要两点差的足够小，就足够逼近原函数。
这里说到了函数，就说说这段时间的姜萍事件吧。我真的希望是真的，但从月考成绩来看，只要她不是有意放水，那么简单的卷子，才80(150分制)多分，而阿里竞赛居然考到93(100分制)分，地狱级难度的卷子，确实太矛盾了，基本上可以确定是别人替她考的，只是用了她的名字。
公众号更多内容，欢迎关注我的微信公众号：半夏之夜的无情剑客。
,
