胡博士的学位

    胡适获得的正式博士学位是美国哥伦比亚大学哲学博士学位。胡适民国6年(1917年)从美国哥伦比亚大学哲学系毕业,提交的论文是《中国古代哲学方法进化史》。当时由7人组成的考评组中,只有1位德国教授精通汉语,故论文被搁置下来。胡适当时急着回国,未能进行论文答辩,因此也就没有被正式授予博士学位。民国8年(1919年)上海商务印书馆印行了胡适的论文,并定名为《中国哲学史大纲(上册)》,由蔡元培作序,署胡适博士著,轰动学术界。当时有人对胡适的“博士”身份提出疑问,说胡适是“假博士”。民国16年(1927年)3月,胡适访问美国,向哥伦比亚大学重新递交了《中国哲学史大纲(上册)》副本,正式领取哲学博士学位。
    胡适一生获有35个荣誉博士学位。时间跨度从民国24年 (1935年)至1959年。按学科分:法学24个,文学9个,人文学 1个,不明学科1个;按国家和地区分:美国31个,加拿大2个,英国1个,香港1个。
    胡适所获荣誉博士名录:
       1935年    香港大学                        法学博士
       1936年    美国哈佛大学                    文学博士
                 美国南加洲大学                  文学博士
       1939年    美国哥伦比亚大学                法学博士
                 美国芝加哥大学                  法学博士
       1940年    美国韦斯尔阳大学                法学博士
                 美国杜史大学                    法学博士
                 美国克拉大学                    法学博士
                 美国卜隆大学                    法学博士
                 美国耶鲁大学                    法学博士
                 美国联合学院                    法学博士
                 美国柏令马学院                  X X博士
                 美国宾州大学                    法学博士
       1941年    美国加州大学                    法学博士
                 加拿大麦吉尔大学                文学博士
                 美国森林湖学院                  法学博士
                 美国狄克森学院                  法学博士
                 美国密达瑞学院                  法学博士
                 加拿大多朗多大学                法学博士
                 美国佛蒙特州大学                法学博士
        1942年   美国达脱茅斯学院                文学博士
                 美国第纳逊大学                  文学博士
                 美国纽约州立大学                文学博士
                 美国俄亥俄州立大学              法学博士
                 美国罗却斯德大学                法学博士
                 美国奥白林学院                  法学博士
                 美国威斯康辛大学                法学博士
                 美国妥尔陀大学                  法学博士
                 美国东北大学                    法学博士
                 美国普林斯顿大学                法学博士
       1943年    美国伯克纳尔大学                文学博士
       1945年    英国牛津大学                    法学博士
       1949年    美国柯鲁开特大学                文学博士
       1950年    美国克莱蒙研究院                文学博士
       1959年    美国夏威夷大学                  人文博士
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值