没办法，那篇论文在去年实在太火了，凑热闹也得读一下啊。但几乎没弄懂。
至于说那个变分贝叶斯，听着就不容易懂。
一个金融学大二的，去读这种论文？
哈哈哈。
宋立恒看向方豫的目光，多少带上一些同情和缅怀。
想起了自己初中时在教室里捧着一本《百年孤独》的时光。
想起了自己高中时在教室里捧着复印本的全盎文《深入理解计算机系统》的时光。
想起了自己大学时在暗恋的女生面前与室友大声讨论毕业后究竟去阿狸还是藤讯的时光。
年轻真傻。
年轻真好。
“《基于深度置信网络的快速学习算法》这篇文献介绍了深度信念网络(dbn)的快速学习算法，是深度学习研究的一个重要里程碑。它展示了如何逐层预训练深层网络，然后使用反向传播进行微调。”
“这篇论文主要介绍了深度信念网络，这是一种由多个受限玻尔兹曼机堆叠而成的多层生成模型……”
“论文的核心贡献之一是提出了一种有效的逐层贪婪预训练算法。该算法通过逐层训练rbms……”
“论文展示了在mnist数据集上的实验结果，证明了dbn相比浅层网络和其他传统方法具有更好的表现。”
……
“啪”的一声打断了方豫，众人看了一眼江南蓁，江南蓁赶忙刚刚不小心捏断的一根木头簪子，抱歉的对所有人笑了笑。
刚刚她在心中嘲笑方豫那些只有关键字和简单图表的ppt，现在每一个提示词和图表都在打她的脸。
因为这些东西居然真的有用！
这小子真的是天才？
怎么可能？
有这个疑问的当然不只是江南蓁。
宋立恒目瞪口呆的看着侃侃而谈的方豫。
究竟你是计算机专业还是我是计算机专业？我都不懂，你说的这些老童能听懂吗？
别说他不懂，方豫自己其实也不懂。
但他懂得通过柚子传递到埃瑟朗之核的信息照本宣科的念呀。
果然还是装学术比最爽。
方豫念着意识中的信息，感觉好像每个毛孔都做了个毒龙。
爽死了。
“我研读的第二篇是《自动编码变分贝叶斯》，这篇论文实际上……”
“这种近似通过最大化证据下界来实现，从而避免了直接计算难以处理的后验分布……”
“vae的损失函数由两部分组成……”
“基本上，可以把这篇论文提到的vae视为机器学习的底层工具之一，可以为强因子模型在大数据中的应用提供底层支持。”
听完方豫对第二篇论文的讲解，张畅也坐不住了。
他是国立数院的，这篇论文中相当一大部分比例内容都是他专业方面的内容，涉及到复杂的概率图模型和变分推断，需要研究者对概率论、统计学都有比较深入的理解才能读懂。
而在方豫的讲解之下，他居然真听明白了这论文到底是干嘛的！
这说明这个大二学弟是真的把这篇文章彻底理解了啊。
这种妖孽不早就应该去mit或者斯坦福了吗？至少也得去个普林斯顿，还留在国内读什么大学！？
张畅是真学神，智商高达160，他的智商可不是那种网上公众号九块九一套题测出来的，而是真的参加了门萨测验的结果。
要不是他研究生毕业后的路早就被铺好了，他都不可能留在国内读研。
没有人比学神更能理解什么是学神。
这还是张畅生平第一次有了被人碾压智商的感觉。
方豫讲完第二篇，紧接着就开始讲第三篇。
“第三篇《生成对抗网络》是去年的大热论文，内容比较简单……”
听到方豫说的，宋立恒感觉心脏都在疼。
比较简单？你说的是人话吗？
哪儿特么简单了？
那个目标函数你真搞明白了？
“其中，d(x)是判别器对真实数据xx的判别概率，g(z)是生成器生成的假数据……”
艹！还真搞明白了。
现在的本科生都这么变态的吗？
不对啊，7月份之前，老子也是本科生啊。
在宋立恒生无可恋的目光中，方豫开始为自己的组会首秀结尾。
“在应用层面，这篇论文主要讨论了对抗网络训练模型在图像生成方面的作用。”
“但实际上，依据其算法，我们可以尝试生成对抗网络应用在强因子模型之中。”
“例如在合成数据集方面，它可以……；同样，也能用于高维数据的降维，提取因子的效率比之前可以提升上百倍；在异常数据监测上……；最重要的，它展现出了模拟和预测复杂的金融市场行为的潜力……”
“综上所述，我认为我们课题第一阶段的目标，完全可以将gans与强因子模型进行结合，我相信这两方面应该能碰撞出比较灿烂的火。”
“我的汇报结束。”
方豫对童永山以及其他组员点了点头，很自然的坐了下来。
现场足足安静了十几秒。
“啪！啪！啪！”
童永山打破安静，率先鼓起掌来。
“好！好！好！”童永山激动的脸都红了。
方豫再次获得了童永山的三好学生认证。
童永山怎么也没想到，一次普普通通的组会，居然由组内学历最低的本科生，给自己找出了课题的第一阶段的方向。
“方豫，如果由你来组建gans与强因模型的应用结合，你有多大把握能够成功？”
童永山此言一出，四座皆惊。
这是已经指定组长了吗？
我们一堆硕士博士，以后要听这个本科生的？
这特么还是本科生吗？
童永山目光炯炯。
他根本不在乎谁当组长，无论谁是组长，最后都是给他打工。
他更不介意自己是一作还是通讯作者，如果方豫能够搞成功，一阶段论文的一作给方豫又如何？
这就是手握7篇五大顶刊ssci顶级学者的底气！
(本章完)