學習的過程必然涉及到記憶的過程。在人類的記憶中三種記憶型別。
第一種是「感知記憶」：感官記憶是指個體憑視、聽、味、嗅等感覺器官感應到刺激時，所引起的瞬間記憶。感官記憶的保留時間由數秒至3到5分鐘，資訊使用過後，很快就會被遺忘。我想任何人都有過這樣的生活經驗：當我們要記憶一些**號碼撥打的時候，如果對方**恰好佔線，或是鈴聲響了太久沒有接通，如果還要再打一次，常常就忘記了剛才記憶的那個**號碼了。這就是感知記憶，它呼之即來，呼之即去，所以過了記憶的那個時間段，不記得這個**號碼相當正常。
第二種是「短期記憶」：大腦基於「感知記憶」，將資訊載入到「工作記憶」中來。「工作記憶」和「感知記憶」的時間非常短，而並且容量是極其有限。回想一下讀書的時候，我們是否通宵達旦、絞盡腦汁地準備堆積如山的筆記，但是這些臨時的知識都會漸漸的在考試以後被忘記。這就是「短期記憶」的特色，它不太可靠，即便在人腦的巔峰期，也只能維持12個小時至36個小時，但是也是我們最常用的記憶部分。
第三種是「長期記憶」。所謂長期性就是針對已有知識的記憶，其記憶容量非常非常大的，幾乎就是無限的水平，這個也是我們學習中所要達到的能力，所謂「如火純青」「信手拈來」。你有沒有發覺常用的一些**號碼、好朋友的姓名生日，一旦需要，這些資料就能夠很自然的、隨時隨地從你的腦海中浮現？因為它們就儲存在你的長期記憶之中，要用時可以馬上拿出來派上用場！
「長期記憶」這一部分中有兩個核心的概念是加州洛杉磯分校的一對夫妻教授（robert bjork和elizabeth bjork）提出來的乙個記憶模型——即通常心理學所說的「必要難度理論」（desirable difficulty)，認為在記憶過程中有兩種強度，一種是「儲存強度」，一種是「提取強度」。並且二者在記憶過程中具有以下特點：
「儲存強度」和記憶的「提取強度」是負相關的，可以理解為輸入越快，提取越慢。
「儲存強度」是只增不減，如果我們在不同時間、空間反覆學習同乙個知識，儲存強度會得到加強。
我們常常有這樣的感覺經驗，即雖然我們好像記得了很多東西，但最後還是忘了，這其實就是因為「提取強度」的不夠。從另外乙個角度也就是在學習的過程中：「輸出」要大於「輸入」！
向同伴、朋友求助。
在學習的過程中，你提出疑問然後解決問題，這個突破個人認知便捷的途徑，但是當你提問的時候，如何才能讓問題更好、更快的被解決呢？
在尋求幫助的時候，為了讓回答者更清晰的定位問題，你可以在描述的問題的時候注意：
費曼技巧第二條：設想一種場景，你正要向別人傳授在白紙上寫下你對某個概念的解釋, 就好像你正在教導一位新接觸這個概念的學生一樣。當你這樣做的時候，你會更清楚地意識到關於這個概念你理解了多少, 以及是否還存在理解不清的地方。
費曼技巧是假設一種場景模擬自己在對另外乙個人講。但如果我們身邊是有真實的人，這樣效果將是最好的。因為作為一種真實的場景，不同於我們憑空想象的那個場景，知識在大腦處理的過程也和想象的是不一樣的，真實場景中會有「感知記憶」參與進來。
但是我們大多數情況下身邊都沒有另外乙個人，那麼就假設有另外乙個自己，兩個人好像在對話一樣，通過自己給自己提問的方式做練習。
無論是回憶還是寫筆記，變換時空，在不同情景下提取，加強記憶「提取強度」。比如前面提到 6 小時後記筆記是時間上的「必要難度」，還可以通過更換地點造成地點上的「必要難度」。
比如著名的學習大神 scott young ，他提到乙個細節，在學習乙個東西的時候，能否向乙個 10 歲的小孩，用比喻的方式解釋清楚？用比喻的方式其實就是切換了知識所處的背景（環境）。
古羅馬著名斯多亞學派哲學家塞內加（seneca）曾說過：
while we teach,we learn
而中國古話也說「教學相長」，可見古人也是認識到教對於學的重要性。
做是最好的學，加油！
測試JavaScript的學習效果
convert celsius to fahrenheit 做乙個攝氏度轉華氏度的小應用。從celsius攝氏度轉換為fahrenheit華氏度的演算法是 攝氏度的溫度乘於9除於5，再加上32。建立乙個變數 fahrenheit，然後計算出攝氏度對應的華氏度。function convert cel...
深度學習 效果不好怎麼辦
1 在training set上就已經效果不佳 屬於模型就沒train好。case 1 受到區域性最優影響，沒有收斂到全域性最優 solution momentum adam rmsprop momentum case 2 層數高時，靠近output的層率先快速收斂，靠近input的層則效果不明顯，...
機器學習擬合效果評價 機器學習效果評價標準
2 分類準確度類評價分類演算法的好壞存在問題 3 分析 4 方案 二 混淆矩陣 confusion matrix 1 二分類問題中混淆矩陣 矩陣的最上一行代表 值，最左列為真實值 0 negative 1 positive tn fp fn tp 表示 結果的樣本數量 tn true negativ...