「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。

本以為能在寢室里找到江寒，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里，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，你剛才不是說下班後去嗎？」

「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，就聽見門衛室里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，這才落回了肚子里。

原來大校長剛才那句話，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后，也了解了事始末。

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網路」。

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路，在網路結構上，有著十分鮮明的特點。

一般包含輸層和競爭層，構雙層網路，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。

在學習演算法上，SOM也有與眾不同之。

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，來指導神經網路的學習與工作。

這一點與「多層知機」(MLP)對比鮮明，後者通常是以網路的誤差，作為演算法的準則，來調整參數。

競爭型神經網路的基本思想，是讓網路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，就表示演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。

思路捋順后，接下來就是寫論文，然後再設計一個小程序，對演算法進行驗證。

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？」。