听到对方是询问这个，脸上则顿时浮现出一抹神秘表情，嘴角微微上扬噙着笑容吐出两个字。
“略懂。”
先不说他讨论室里就有电脑平时没少研究，前世的计算机水平那也不是吃素的。
丝毫不夸张的讲，哪怕让他自己一个人把整个机器学习算法全负责都没有问题，无非是完成的进度上会多花费点时间。
“徐师弟只是负责数学方面的内容，计算机上的稍微知道一点就行。”郭志航接过话茬回应：“还有那个数学函数公式和建模不用太着急，徐师弟你慢慢来就行，有问题随时和我们沟通。”
“我知道了郭师兄。”徐源闻言点点头说。
但话虽然是这样讲，不过徐源却清楚郭志航和朱闽丰他们肯定是比较着急的。
毕竟新的逻辑公式和建模没有搞出来前，他们也不好对算法进行改进。
也就是说要等徐源完成自己的任务后，他们才能接着展开后续的工作，主要既然邀请了徐源参与项目，那肯定不能再继续使用先前的建模。
再说之前的模型评估出那么低的性能，从某种意义上来说是已经失败。
与其在其基础上进行优化，还不如推到重来。
而事实上徐源的做法也的确如此，他在看完U盘中的资料信息后，眉头也可谓是紧皱没想到里面确实存在很多问题。
起码郭志航等人使用的算法公式模型，他大致一看便能给出更好的选择。
怪不得算法评估出来的性能会如此差劲。
经过研究思索后，徐源决定采用一种组合神经网络作为算法的框架。
其原理是可以把每个神经网络模块看做机器的某个大脑，那么此算法主要通过大脑之间对抗，让每个大脑都变的聪明。
而聪明就是每个神经网络模块，都调整到使得全系统能够完成指定的任务。
比如图像处理语音识别等。
对于这个自动化模型，最关键的便是输入和反馈以及整体表现。
因为输入机制是随机分布，不同于以往的输入是带标记的数据，这就意味此算法是无监督学习产物，这是迈入深度学习的最难最实用的一块领域。
徐源相信此机器学习算法完成后，会让国内对机器学习的研究处于领先地位。
但由于模型中涉及到损失函数，且需要用数学化的最优传输框架代替神经网络，所以在计算上要花费一定的时间去完成。
……
…。。