高三英语基础难度

汤家凤的1800基础题正常难度。

汤家凤，别称满分教练，出生于江苏东台，毕业于南京大学，考研数学辅导老师。他连续20年从事考研数学教学和命题研究工作，曾在中国内地多个大中城市全程讲授高等数学、线性代数、概率统计，其代表作品有《无师自通考研数学复习大全》《考研数学接力题典1800》等。

经历：

连续20年从事考研数学教学和命题研究工作，全国能全程脱稿讲授高等数学、线性代数、概率统计并能融会贯通的名师；连唤闹续十多年担任研究生入学数学考试阅卷组成员；2011年，创造出一个班6个数学满分的成绩。

人物评价：

1、授课生动形象，风格独树一帜，思路清晰明彻。

2、对各门课的讲授有独创的方法和见解，化抽象为通俗易懂，使枯燥的公式变得容易记忆，对考试的重点及难点把握精桐孝准，每年都能准确预测重要考点和方法。

3、是全国著名考研数学辅导专家，南京大学博士，能全程脱稿讲授高等数学、线性代数、概率统计并能融会贯通的名师，连续多年担任研究生入学数学考试阅卷组成员。

4、连续多年从事考研数学教学和命题研究工作，每年都全程指导出大量高局链稿分甚至满分学生，被学生誉为满分教练。

可以自己多看一些话的画风、画画技巧。

这样还是可以学到一定的简笔画技巧的。

建议还是去报个专业的学习班。

从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算并且一个计算的值(计算的结果被应用到这个节点的孩子节点的值)。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有孩子，输出节点没有父亲。
这种流向图的一个特别属性是深度(depth)：从一个输入到一个输出的最长路径的长度。
传统的前馈神经网络能够被看做拥有等于层数的深度(比如对于输出层为隐层数加1)。SVMs有深度2(一个对应于核输出或者特征空间，另一个对应于所产生输出的线性混合)。 需要使用深度学习解决的问题有以下的特征：
深度不足会出现问题。
人脑具有一个深度结构。
认知过程逐层进行，逐步抽象。
深度不足会出现问题
在许多情形中深度2就足够表示任何一个带有给定目标精度的函数。但是其代价是：图中所需要的节点数(比如计算和参数数量)可能变的非常大。理论结果证实那些事实上所需要的节点数随着输入的大小指数增长的函数族是存在的。
我们可以将深度架构看做一种因子分解。大部分随机选择的函数不能被有效地表示，无论是用深的或者浅的架构。但是许多能够有效地被深度架构表示的却不能被用浅的架构高效表示。一个紧的和深度的表示的存在意味着在潜在的可被表示的函数中存在某种结构。如果不存在任何结构，那将不可能很好地泛化。
大脑有一个深度架构
例如，视觉皮质得到了很好的研究，并显示出一系列的区域，在每一个这种区域中包含一个输入的表示和从一个到另一个的信号流(这里忽略了在一些层次并行路径上的关联，因此更复杂)。这个特征层次的每一层表示在一个不同的抽象层上的输入，并在层次的更上层有着更多的抽象特征，他们根据低层特征定义。
需要注意的是大脑中的表示是在中间紧密分布并且纯局部：他们是稀疏的：1%的神经元是同时活动的。给定大量的神经元，仍然有一个非常高效地(指数级高效)表示。
认知过程逐层进行，逐步抽象
人类层次化地组织思想和概念；
人类首先学习简单的概念，然后用他们去表示更抽象的；
工程师将任务分解成多个抽象层次去处理；
学习/发现这些概念(知识工程由于没有反省而失败？)是很美好的。对语言可表达的概念的反省也建议我们一个稀疏的表示：仅所有可能单词/概念中的一个小的部分是可被应用到一个特别的输入(一个视觉场景)。