預備知識: 有微積分, 機器學習基礎為佳
如果說男人是一個perceptron, 女人就是一個neural network
對大部分男人來說, 對象的外表是佔最多甚至是唯一的權重, 而activation function是
個ReLU(外表沒過閾值就是0分, 有過就是按線性比例增加分數), 為簡化模型, 在此不談b
ias
所以擇偶函數就是 f(外表) = 0(如果不及格) or 外表(如果及格), 對了就是對了, 剩下
的只是簡單的比較分數高低而已
可是對大部分女人來說, 選對象的標準多太多了, 包括外表, 金錢, 地位, 健康, 談吐,
背景, 膚色 blah blah blah的, 而且因為容忍範圍比較模糊, 所以activation function
是logistic (慢慢增長, 並沒有絕對的閾值)
然後女人很複雜, 選擇時不單靠初始的權重, 還有一堆隱藏的hidden layer, 有可能
來自於個人條件, 朋輩壓力, 文化因素, 家庭背景等等難以量化的原因導致
所以女人在擇偶時也偏向feed forward+back propagation的方法, 先定初始條件(自以為
夢中情人的標準權重), 然後去找類似條件的男人, 交一交發現對象好/不夠好/不好等等
再以此結果調整標準權重, 最後只要樣本數夠大, 學習的數量夠多, 就知道自己真正適
合的對象的權重是怎麼樣了
不過在台灣往往權重都會收斂到條件像竹科工程師的一樣的白馬王子就對了
https://i.imgur.com/hn0qb8W.jpg