deepwiki使用游记
发布时间：
deepwiki.com是一个神奇的网站，你可以把不熟悉的网站资料克隆到它的网站上去，然后它会给你这些资料源码级别的解释。对，就是源码级别这么恐怖。
这在写论文的时候十分有用，再也不用担心自己对文献理解有问题，或者其他GPTBOT的回答不对，如果被问到论文来源在哪？我们大可以用源码级别的解释来实锤作者的意图。
你可能感兴趣的
暴论之成果科学范式
少于 1 分钟阅读时长
发布时间：
成果科学范式：一种面向创新的科学方法论
论文思路探索2
少于 1 分钟阅读时长
发布时间：
组块如何产生？我不太清楚，但是有一个方法能够解决这种问题，可以通过设计练习习题，让训练者在达到目标强度的习得能力后，再进行下一步的学习，如果能力不达标，后继知识不熟悉，那么我们将认为没有形成记忆组块，不过这种认为可能非常不严谨，显而易见，训练者可能并非是没有形成记忆组块而对后继知识不熟悉，还可能是别的原因，如果量化到底是记忆组块还是别的其他原因，这就很难进行了，因为组块如何产生是未知的。
论文思路探索1
少于 1 分钟阅读时长
发布时间：
有关线性回归模型（自变量向量 $\cdot$ 权重向量的标量模型）对于SRS的前置知识系统应用如下，MLP的输入（统计参考值）是前置知识的熟练度参考值，记忆半衰期的参考值，RSME等参数组合参考值，MLP的前向传播优化目标是最大化做题正确率，以及知识回答正确率和学习速度的综合参考值，我们将实验各个参考值的权重，通过超参搜索来发现最优权重。对于模型自身评估水平，我们将排列组合所有可能因素，包括（前置知识缺失率，半衰期），（前置知识缺失率，RSME），计算出调度排程能够最优的能够使预测的评估指标K-L最大值，既最终的反向传播结果是各项指标，而前向传播结果是排程顺序。
超前学习
少于 1 分钟阅读时长
发布时间：
传统的SRS有以下问题，缺乏关注卡片的识别能力对于学习知识的影响，Musfeld等人的研究表明，记忆的长期表现和当前受验者重复学习的记忆组块识别能力相关，并且chunk的产生是突然发生，而不是逐渐强化的。而Schneider M的研究综述指出chunk受到先验知识的影响。同样在闪卡调度系统中，若某一知识的难度过高，且被多次重复调度后仍然不能成功回忆，这样的卡片称为“水蛭”，而闪卡的制作安排与知识的获得是相关的，因此间隔重复系统卡片制作的优良与否是整个记忆系统评估的重要指标。在文段开始，课题通过对Musfeld和Schneider等的分析，我们认为先验知识可以促进chunk的产生，也有利于水蛭问题的解决。 我认为对于没有学过的知识点，应该优先学习，但这里并没有要求必须先学习，我希望通过一定的差异度，进行超前学习，如果超前学习的知识记忆半衰期有缩短，并且记忆的效果有提高，那么我们可以适当减小这个知识及前置知识的调度权重，不过我们需要设定一个阈值，当模型的前置知识关联数量达到这个阈值时，他被称为必要知识，此时这个必要知识是不可以超前学习的。