这告诉我们收敛速度与维度无关。”

“若我们先用传统傅里叶变换，再用均匀的离散傅里叶变换来逼近。

其误差则~m^-ad，必然被维度所影响。

可，若一个函数可以表示成期望的形式，而令所有样本为独立同分布样本，则有拟合差值为var（f）m，与维度无关。

若将两层神经网络写作该形式，则意味着，这一类期望函数均可由两层神经网络逼近，且其逼近速度与维度无关。”

“让少风头和，不知道你作何感受？”

孟繁岐笑着接过话筒，等台下的笑声稍稍平息一些过后，十分大方地回答道，“我们专注应用方面的人，依靠得是代码说话。

虽然我今天丝毫没有提到技术的实现和细节，但我想看了我代码的大家，都已经感受到了我的万语千言。”

台下的不少程序员闻言马上开始起哄，口哨声和呼声此起彼伏。

“我的梦想是自己的技术可以广泛地应用到世界各地，让AI智能就如空气一般，每个人都无法缺少，但在生活当中却又很少会注意到它们的存在。

至于AI的理论研究和探索，可能就要拜托韩辞和大家了。”

这一番话还算是谦逊得体，意料之中地迎来全场的掌声。

台下诸人又再分别，而令所有样本为独立同分布样本，则有拟合差值为var（f）m，与维度无关。

若将两层神经网络写作该形式，则意味着，这一类期望函数均可由两层神经网络逼近，且其逼近速度与维度无关。”

“让我们转向离散动力系统的视角，举一个随机控制问题。

动力模型Zl+1=Zl+g1（z1，a1）+n，其中z为状态，a为控制信号，n为噪声。

若我们想寻找一个反馈控制信号函数，而通过求解约三十岁左右，估计是斯坦福的在读博士生或者刚毕业的讲师。

为人相当活跃，看热闹的不嫌事大，他将孟繁岐重新请上来之后，还开了一句玩笑。

“这次演讲本来是你的舞台，现在却被韩辞小姐抢去了不少风头和，不知道你作何感受？”

孟繁岐笑着接过话筒，等台下的笑声稍稍平息一些过后，十分大方地回答道，“我们专注应用方面的人，依靠得是代码说话。

虽然我今天丝毫没有提到技术的实现和细节，但我想看了问两人。

于是乎，在场的不少人就自然而然地分成了应用与理论两个派别。

一派以科技巨头，例如杰夫为首，围在孟繁岐周边讨论他出色成果的应用场景，市场潜力还有落地难点。

而另一派则以牛津大学的几位老学究为首，一群理论派，表情严肃，正在严谨地讨论一些设想和它们的理论证明。

以会场中心的走廊为分界线，一群人在左，一群人在右。

两人都没有想到大家会这么热情，勉强招架之余，不经意之间对上了一次视线。

而这个画面，则被一直在负责拍摄记录的摄影人员抓住了机会，使用专业相机拍摄了下来。

.

本章完

本站网站:.kuaishuku