1、求解多元一次不定方程n元一次不定方程就是形如∑aixi = C的不定方程，与二元一次方程最大的区别是，系数增多，未知数增多。求取变得更复杂。但事实上，多元一次方程可以通过消元法来变换成已经完美解决的二元一次方程。举例: 3x+4y+6z  = 7，为了将3元变2元，这里我们做一个假设，设4y+6z=w，由不定方程的性质可知 2 | w,即w是2的倍数，由此我们不妨假设4y+6z=2w，...

二元一次不定方程（形如 a * x + b * y = c的方程，又叫丢番图方程，下简称不定方程），是初等数论经典的研究对象。二元一次不定方程应用广泛，如经典的找换问题和装箱问题（下面我将通过一系列的文章来解释我如何通过求解不定方程来快速解决装箱问题）。所谓的找换问题，举个例子就是有1分硬币若干个，3分硬币若干个，如果现在要买一个一块钱的东西，我要给多少个这两种硬币。当然丢番图方程的用处不仅限于此

举线性回归的例子只是为了从最简单的角度来介绍神经网络的执行流程。神经网络在拟合线性函数方面的确存在得天独厚的优势。事实上，如果你对最优化理论熟悉，会发现神经网络的底层原理与最优化理论是一致的（目的都是求某一目标函数的极值）。神经网络擅长的并不仅限于拟合线性函数。分类问题是神经网络最经典的应用之一。所谓的分类问题，是指给定m个学习样本，如何根据先验知识，将这m个样本分成k类。解决分类问题第一步：数据

1、Deeplearning4j深度学习，人工智能今天已经成了IT界最流行的词，而tensorflow,phython又是研究深度学习神经网络的热门工具。tensorflow是google的出品，而phython又以简练的语法，独特的代码结构和语言特性为众多数据科学家和AI工程师们所喜爱。但今天介绍的不是这两个炙手可热的东东，而是相对冷门，但对于国内大多数的工程师而言更友好，基于java的另一..