读书笔记(被讨厌的勇气一)

这本书采用对话的方式,用通俗易懂的语言介绍了阿德勒心理学的观点。用青年的角色问出了读者想问的问题,用智者的角色给出了解答。这本书写了青年和智者的几次讨论,这是阅读两人第一次讨论的总结和感悟。

开头青年提出了“我们期待改变现状是因为我们无法改变自己,而我们的现状是由过去的经历决定。”智者用医生和病人的例子指出:任何经历本身并不是成功或者失败的原因。我们不是因为过去受到的刺激而痛苦,而是从中发现了符合我们目的的因素。决定我们自身的不是过去的经历,而是我们赋予经历的意义。人生不是由别人赋予的,而是自己选择的,是自己选择自己如何生活。情绪是可控的,为了达到某种目的我们会捏造情绪。

青年又提出:读书可以改变价值观,但是性格不会变,只要性格不变读书带来的改变就会崩塌,很快失去作用。所以他想要变成热情开朗的人很困难。智者指出:青年想要变成别人是因为觉得做自己不幸福,讨厌现在的自己。而我们要悦纳现在的自己,家庭背景,国籍,人种不会因为讨厌而改变,自己所拥有的不能被更改但可以更新。重要的不是被给予了什么,而是如何去利用被给予的东西。人的不幸是自己亲手选择了不幸,用自己不幸的遭遇掩盖自己的不努力。一个人如何看自己,如何看世界,这些赋予意义的方式汇聚起来就是生活方式。从狭义上来讲是性格,从广义上来说包含人生观,世界观。性格,生活方式会受环境,国籍等因素的影响,但是最终还是自己选择的,而现在我们可以重新选择。

大家都想改变自己,但是又害怕改变,安于现状可以轻松应对眼前的事情并可以根据经验进行推测,而改变意味着不安和痛苦。所以即使不满,但保持现状更安心,更轻松。只是缺乏勇气,然后不断地为自己的不努力找借口,有些事情即使不行也要去试一试,哪怕梦会破灭。

阿德勒的目的论是说:“无论之前的人生发生过什么,都对今后的人生如何度过没有影响。”

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