“這麼一說，我也得去看看他去。”老宋說著，也跟了上去。

兩人並肩下樓。

本以爲能在寢室裡找到江寒，結果去了之後才發現，403寢房門鎖。

“沒在？”老宋有點意外。

這個時候，江寒能去哪裡呢？

“得，我去班級找李東他們問問吧。”老宋說著，正要往出走。

易中海笑了：“那麼麻煩幹嘛？直接給他打個電話不就完了？”

說著，拿出了手機，找到儲存的江寒號碼，就撥了過去。

星河酒店，703。

江寒正沉浸在學習和研究裡，手機忽然響了。

一看來電顯示，居然是易中海的號碼。

這可好久沒聯繫了，也不知道找自己什麼事兒？

江寒接起電話。

易中海的聲音傳來：“江寒。”

“哎呀，易老師，您怎麼想起給我打電話了？”江寒笑著寒暄。

“沒事兒就不能聯繫一下了？”易中海笑著皮了一句，“咱倆好歹還喝過一頓酒呢。”

江寒：“……”

“你怎麼樣了？”易中海問。

“謝謝您的關心，已經好很多了。”江寒很誠懇地道謝。

“聽說你請假了，我和老宋打算去看看你，結果去了你們寢室，居然沒有人在。”

江寒想了想，說：“我這幾天不舒服，怕給室友添麻煩，就在校外住了幾天。”

“什麼地方？”易中海問。

“星河酒店。”江寒回答。

“房間號？”易中海追問。

江寒：“703。”

“好，我和老宋下班後過去，沒問題吧？”易中海又問。

江寒連忙說：“歡迎。”

又說了幾句，雙方就掛了電話。

“走，咱們去看江寒去。”易中海笑著邀請老宋。

“咦，你剛纔不是說下班後去嗎？”

“那時候天就黑了，我們早去早回吧。”

“可現在還沒下班……”

“沒事，早退個一回半回的，你還擔心領導把你怎麼樣啊？”

“倒也沒什麼，就是有點不放心班級那些小崽子……”

“沒事，你打個電話，讓王典先頂一會兒……走了走了。”

易中海和老宋聯袂走出寢室樓，向大門走去。

兩人剛到學校大門口，就聽見門衛室裡傳出一陣豪爽地笑聲。

聽起來竟然是大校長沈立興？！

老宋和易中海面面相覷。

現在距離下班可還有不短的時間，要不要當著大校長的面，大搖大擺地離開學校啊？

門衛室門忽然開了，沈立興和高俊德先後出來，後者手裡還拎著一個郵包。

“咦？老宋，你教的好學生！”沈立興看見老宋，立刻笑著打趣了一句。

可看在老宋的眼裡，卻覺對方有點“笑裡藏刀”的意思，冷汗差點泉涌而出。

“校長，俺們班那些個不懂事的……這次是誰闖了禍？”老宋十分惴惴不安。

沈立興大笑：“什麼闖禍？是江寒那小子，寫的論文居然被AMC收錄了。”

說著一指高俊德：“他手裡就是樣刊。”

老宋一顆提著的心啊，這才落回了肚子裡。

原來大校長剛纔那句話，不是正話反說……

高俊德將郵包遞給老宋。

郵包已經拆開了，老宋翻看了一下，果然是一些英文刊。

易中海跟高俊德打聽了一下後，也瞭解了事始末。

心裡那個震啊，就別提了……

得知兩人打算去看江寒，沈立興立即大手一揮：“去吧。”

老宋和易中海答應了一聲，卻沒地方。

“怎麼還不走？”沈立興有點奇怪。

“這不是還沒下班麼？”易中海笑著說。

“等什麼下班？要去就早點去，看病人這種事兒，沒聽說還能拖到天黑的。”沈立興不滿地說。

老宋和易中海連忙答應了。

高俊德笑著對老宋說：“我還打算下班特意跑一趟，給小江送樣刊。既然上了，你這個做班主任的，就親自給他捎過去吧。”

老宋自然沒二話。

“噯，對了，校長，我們這事兒不算請假吧？”易中海皮了一句。

沈立興哈哈一笑：“請什麼假？公出！你們倆就代表學校，去探一下江寒。”

說完轉離去。

但還沒走出幾步，沈立興忽然想起了什麼，回頭代說：“哦，對了，別空手去，給孩子買點水果什麼的，也算咱們這些師長的一點小心意……回頭找總務報銷。”

宋謙和易中海喜出外，連忙答應了。

跟著兩人就將被拆開的包裹重新包好，聯袂走出了學校。

※※※

星河酒店，703。

江寒正在張忙碌。

幾乎一整天，他都在研究“自組織特徵映SOM網絡”。

SOM這玩意，結構上和MLP模型十分相似，都是由簡單的神經元，組的某種拓撲結構。

區別主要在於，MLP是有監督學習，而SOM模型則屬於“無監督學習”。

所謂有監督學習，就是讓計算機從給定的訓練數據集中，學習出所需要的某個函數。

訓練數據中通常包括一個標籤項，來告訴計算機，什麼樣的輸對應著什麼樣的結果。

而無監督學習，一樣需要訓練數據，但卻並不需要給輸的數據打上標籤。

也就是說，輸一組數據，需要輸出什麼，並不會事先予以規定，也沒有確定的結果。

讓計算機自己尋找規律，自己去學習應該怎麼做，這就是“無監督學習”的基本概念。

事實上，這種非目的的學習活，更符合人類對於“自主學習”的定義。

所以，很多時候，“無監督學習”比“有監督學習”更有用。

譬如分析一堆數據的主分量，或分析數據集有什麼特點，都可以使用“無監督學習”。

SOM是將高維的輸數據在低維的空間表示，所以常用來給數據“降維”，此外也常用於數據可視化、聚類等。

SOM是一種自組織神經網絡，在網絡結構上，有著十分鮮明的特點。

一般包含輸層和競爭層，構雙層網絡，通常沒有含層。

層之間的各個神經元，進行雙向連接，有的時候，競爭層的神經元之間，還會存在橫向的連接。

在學習算法上，SOM也有與衆不同之。

其模擬了生神經元之間的興、協調、抑制、競爭機制，通過這些作用中蘊藏的信息力學原理，來指導神經網絡的學習與工作。

這一點與“多層知機”（MLP）對比鮮明，後者通常是以網絡的誤差，作爲算法的準則，來調整參數。

競爭型神經網絡的基本思想，是讓網絡中競爭層的各神經元，競爭對輸模式響應的機會。

最後獲勝的神經元，就表示算法對輸數據的分類。

因此，很容易把這樣的結果和聚類聯繫在一起。

思路捋順後，接下來就是寫論文，然後再設計一個小程序，對算法進行驗證。

最後再收集一些程序運行中所產生的數據，和普通“MLP”進行一番比較……

江寒趕慢趕，終於在下午3點前搞定了論文的主部分。

接下來，就可以休息一小會兒了。

吃了兩塊巧克力，又吃蘋果，正愜意著，手機鈴聲忽然響起。

江寒看了眼來電顯示，又是個不認識的，不過看號段是松江本地的電話。

“喂？您好。”江寒接起電話。

“江寒同學嗎？”那邊傳來一個渾厚的男子聲音。

江寒：“我是……請問您是哪位？”