“这到底是怎么个扑朔迷离的剧情？”

早先见电气学院的导员气势汹汹的找来，还以为这小子是个问题学生。

怎么就峰回路转，变成如此高深专业的讨论了？

我是谁？我在哪？他们到底在说什么？

为什么每个字我都认识，连在一起我就完全听不明白了？

时间缓缓地流逝，不知不觉间，付院长的草稿和推演已经写满了六七页A4纸。

“如果单纯用y=f（x）+b的方式去理解一层的行为，那么对于任意正整数k，都存在一个k^3量级深，常数量级宽的神经网络，无法被一个k层的神经网络拟合，除非其宽度为原本的2^k倍。”

付院长越计算，越觉得这小子的直觉不错。

“倘若依你所说，用批次归一化的方式去避免协变量偏移的问题，再加上非线性的函数为层提供额外的表达能力，那么甚至在极端的情况下，需要2^k^3倍的宽度。

这样看来你首先专注于解决深度问题，然后考虑去处理训练难度问题的思路是相当聪明的选择。”

付院长，沉吟了一番，回顾了一下自己的计算过程，问道“懂了吗？”

孟繁岐非常严肃认真地摇了摇头，说“没太懂。”

付院长笑了笑，不急不恼，又将整个流程按顺序梳理了一遍。

即便孟繁岐前世已经精读过好几次这三篇论文，但始终没能从根本上理清其中的数学关系。

AI界与数学界看待这个问题的视角截然不同，付院长带给了孟繁岐新的认识和理解。

有一位资深的数学教授为他梳理了背后的数学原理和关系，孟繁岐顿觉豁然开朗，但却又始终迷迷蒙蒙，隔着一层纱布。

仔细再看良久，好像有些明了了，“现在好像有些懂了。”

“再多看几遍巩固一下吧。”

付院长闻言站起身来拍了拍孟繁岐的背，说道，“我的办公室就在数院大楼503，如果有这方面的问题，欢迎你来找我讨论交流。”

说罢，便转身离去，也不问孟繁岐究竟叫什么名字，只做纯粹的学术交流。

临走前，还对旁边伸着脖子围观的两个数院研究生使了一个眼神，大概意思是“你看看人家，才本科，文章都快写出来了。

看看人家看看你。”

两位数院研究生连忙低下头来移开视线。

只留下孟繁岐一人对着复杂的论证过程反复品味，又过了一会儿，孟繁岐感觉自己好像理解了，但又好像全都忘记了，进入了一种玄而又玄的状态。

想必当年张无忌学张三丰的太极剑就是这个感觉吧。

-----------------------------

来自数理学院付院长的友情指导，弥补了孟繁岐当下论文大业中最薄弱的一环，足够扎实的数理分析和公式推论。

在AI学科的中后期时代，由于始终没有发现真正可以令人信服的理论，来解释深度神经网络强大的威力。

因而许多注重性能和实用方向的文章，越来越像实验报告，而非论文。