循环神经网络（RNN）是一类专门处理序列数据的神经网络，具有记忆能力，能够利用历史信息影响当前输出。其核心结构包括隐藏状态的循环连接，通过参数共享机制处理变长序列。RNN与单向流动的前馈神经网络形成鲜明对比，在语音识别、机器翻译等任务中表现优异。为了解决长程依赖问题，LSTM和GRU引入门控机制，分别通过记忆细胞和三门控（遗忘门、输入门、输出门）或双门控（更新门、重置门）选择性保留信息。此外，双向

模型泛化能力指模型对未知数据的预测能力，即从训练数据中学习到的模式能够推广到新样本。

1943年，麦卡洛克和皮兹提出MCP模型，开启了人工神经网络的大门。该模型模拟人的神经元反应过程，对输入信号进行线性加权、求和后，再通过非线性激活（阈值法）输出。yfi1∑n​wi​xi​b其中，xi​是输入信号，wi​是对应的权重，b是偏置，f是激活函数。假设一个简单的单层感知机，有两个输入x1​2x2​3，权重w1​0.5w2​0.3，偏置b1，激活函数采用单位阶跃函数（当输入大于0时输出为1

图像金字塔是一种多尺度图像表示结构，通过对原始图像进行低通滤波和降采样，生成不同分辨率的图像层，类似金字塔形状。拟合是用参数模型表示特征，通过调整模型参数使模型逼近实际数据，以分析和描述数据。

光线进入相机，经镜头、光圈等元件后到达图像传感器。传感器将光学影像转换为电子信号，再经过模数转换器、后处理单元等进一步处理，最终生成并保存图像。景深（Depth-of-Field, DoF）指相机聚焦平面前后相对清晰的成像范围，描述空间中能清楚成像的距离范围。真实成像过程中，3D场景到2D图像的投影关系与理想薄透镜相机模型中的投影关系的偏差称为像差。像差表现为图像的形变与失真，影响图像质量。

循环神经网络（RNN）是一类专门处理序列数据的神经网络，具有记忆能力，能够利用历史信息影响当前输出。其核心结构包括隐藏状态的循环连接，通过参数共享机制处理变长序列。RNN与单向流动的前馈神经网络形成鲜明对比，在语音识别、机器翻译等任务中表现优异。为了解决长程依赖问题，LSTM和GRU引入门控机制，分别通过记忆细胞和三门控（遗忘门、输入门、输出门）或双门控（更新门、重置门）选择性保留信息。此外，双向

循环神经网络（RNN）是一类专门处理序列数据的神经网络，具有记忆能力，能够利用历史信息影响当前输出。其核心结构包括隐藏状态的循环连接，通过参数共享机制处理变长序列。RNN与单向流动的前馈神经网络形成鲜明对比，在语音识别、机器翻译等任务中表现优异。为了解决长程依赖问题，LSTM和GRU引入门控机制，分别通过记忆细胞和三门控（遗忘门、输入门、输出门）或双门控（更新门、重置门）选择性保留信息。此外，双向

图像金字塔是一种多尺度图像表示结构，通过对原始图像进行低通滤波和降采样，生成不同分辨率的图像层，类似金字塔形状。拟合是用参数模型表示特征，通过调整模型参数使模型逼近实际数据，以分析和描述数据。

计算机组成原理系列。这篇写一下总线部分的学习笔记。

名称举例特性半导体存储器TTL、MOS易失。体积小、功耗低、存取时间短、易失性磁表面存储器磁盘、磁带、磁鼓非易失磁芯存储器硬磁材料的环状元件光盘存储器激光、磁光读取操作会改变存储电容的原有状态，因此在读取后需要对数据进行恢复或重写，以保证数据的完整性。