觉醒后，校花哭着说爱我 第2章 第二集：超脑显威，课堂惊四座

第二天早上七点，叶南准时醒了过来。

宿舍里另外三个室友还在呼呼大睡，昨晚他们打游戏到凌晨两点，此刻床头还堆着外卖盒子和脏衣服。叶南以前也和他们一样，偶尔逃课，晚上熬夜打游戏，成绩在班里中游徘徊，没什么存在感。

但现在，他的脑海里清晰地浮现出今天的课程表：上午八点半是计算机系的《人工智能导论》，十点二十是《线性代数》，下午两点是《英语听说》。以前他最头疼的就是《人工智能导论》和《线性代数》，尤其是《人工智能导论》的老师李教授，出了名的严格，上课喜欢随机点名提问，答不上来的直接扣平时分。

叶南轻手轻脚地起床，洗漱完毕后，从衣柜里翻出一件还算干净的白T恤和牛仔裤——虽然不贵，但洗得很整洁。他对着镜子照了照，发现自己的眼神和以前不一样了，以前总是带着点怯懦和不自信，现在却很明亮，透着一股笃定的光。

八点十分，叶南提前二十分钟来到了《人工智能导论》的教室。教室里已经来了不少人，大多是三三两两坐在一起聊天、玩手机。叶南找了个靠前的位置坐下——以前他总是坐在最后一排，怕被老师点名，现在他想试试，自己的“最强大脑”到底有多厉害。

他拿出课本，翻开《人工智能导论》的第三章“神经网络与深度学习”。以前他看这一章的时候，光“反向传播算法”就琢磨了一个星期都没搞懂，现在随便扫了一眼，脑海里就自动浮现出算法的原理、推导过程，甚至还有几个优化方案，比课本上讲的还要深入。他试着在草稿纸上推导公式，笔尖划过纸张的速度飞快，思路清晰得可怕，不到十分钟，就把整章的重点难点全弄明白了。

“哟，叶南，今天怎么坐这么靠前？不怕李教授点名啊？”一个调侃的声音传来。

叶南抬头，看见同班的赵磊和两个男生走了过来，赵磊是班里的富二代，平时和张昊玩得不错，以前也经常跟着别人一起嘲笑叶南追刘佳怡的事。

叶南没像以前那样尴尬地低下头，只是淡淡地看了他一眼：“上课坐前面，不是很正常吗？”

赵磊愣了一下，显然没料到叶南会这样回应。以前的叶南，只要被人一调侃，脸就会红，要么沉默，要么小声辩解，从来不会这样平静又带着点疏离的语气。赵磊撇了撇嘴，没再说话，和朋友坐在了叶南后面的位置，还故意和身边的人小声嘀咕：“装什么装，说不定等会儿李教授一点名，就露馅了。”

叶南没理会他们的议论，继续翻看课本。八点半，李教授准时走进教室。李教授今年五十多岁，戴着一副厚眼镜，头发花白，手里拿着一个平板电脑，脸上没什么表情，一上来就开门见山：“上节课我们讲了神经网络的基本结构，今天我们重点讲反向传播算法。在讲新课之前，我先提问几个同学，检查一下大家上节课的掌握情况。”

教室里瞬间安静下来，所有人都低下头，假装看书，生怕被李教授点到。李教授的目光在教室里扫了一圈，最后落在了靠前的位置——准确地说，落在了叶南身上。

“叶南，”李教授推了推眼镜，“你来说说，神经网络中，激活函数的作用是什么？常用的激活函数有哪些？各自的优缺点是什么？”

话音刚落，教室里所有人的目光都集中到了叶南身上，包括后面的赵磊，脸上带着看好戏的表情。谁都知道，叶南上节课差点睡着了，平时作业也是抄的，怎么可能答得上来？

赵磊甚至已经准备好了，等叶南答不上来的时候，就小声和身边的人嘲笑他。

但接下来，叶南的表现让所有人都惊呆了。

叶南站起来，声音清晰、语速平稳，没有丝毫卡顿：“激活函数的核心作用是为神经网络引入非线性因素，否则无论神经网络有多少层，最终都只是一个线性回归模型，无法处理复杂的非线性问题。常用的激活函数主要有四种：第一种是Sigmoid函数，优点是输出值在0到1之间，可用于二分类问题的概率输出，缺点是存在梯度消失问题，在深层网络中表现不佳，且输出不是零均值，会影响梯度下降的效率；第二种是Tanh函数，解决了Sigmoid函数零均值的问题，输出值在-1到1之间，但同样存在梯度消失问题，在输入值较大或较小时，梯度趋近于零；第三种是ReLU函数，优点是计算速度快，在输入为正时梯度恒为1，有效解决了梯度消失问题，缺点是存在‘死亡ReLU’现象，当输入为负时，神经元永久失活；第四种是Leaky ReLU函数，在ReLU的基础上，为负输入值添加了一个很小的斜率，解决了死亡ReLU问题，但超参数需要手动调整，在某些场景下鲁棒性不如ReLU……”

叶南不仅答出了激活函数的作用和种类，还详细分析了每种函数的优缺点，甚至提到了“死亡ReLU”“鲁棒性”这些课本上没有深入讲的知识点，条理清晰，逻辑严谨，比李教授课件上的内容还要全面。

教室里鸦雀无声，所有人都目瞪口呆地看着叶南——这还是那个连作业都要抄的叶南吗？他怎么可能懂这么多？

赵磊脸上的笑意僵住了，嘴巴张得能塞进一个鸡蛋，完全不敢相信自己的耳朵。

李教授也愣了一下，推眼镜的动作顿在半空，他看了看手里的教案，又看了看叶南，眼神里充满了惊讶：“很好，回答得非常全面，甚至超出了课本的范围。那我再问你，针对Sigmoid函数的梯度消失问题，在实际应用中，有哪些解决方案？”

这个问题更难了，属于深度学习的进阶内容，李教授本来是准备在这节课后半段讲的，没想到居然拿来问叶南。

所有人都觉得，叶南这次肯定答不上来了。

但叶南依旧从容不迫：“主要有三种解决方案。第一，使用残差网络（ResNet），通过shortcut连接，让梯度可以直接从后层传到前层，避免梯度在深层传播中逐渐衰减；第二，使用

喜欢觉醒后，校花哭着说爱我请大家收藏：(www.071662.com)觉醒后，校花哭着说爱我小米免费小说网站更新速度全网最快。