学习密度与专注力

上次学校里面有免费的李阳的英语讲座,好奇于是就去听了一下。对于一句话印象比较深刻,大意是说许多人学习了快10年的英语,其开口的时间还不如在集训的七天内开口的时间长。也就是说,尽管学习时间长,但学习密度极低,结果乘起来还是低。其实这种情况不仅存在于英语学习中,而是一种普遍现。太容易为各种各样的事情分心要集中注意力做一件事情是非常难的,而正因为难,少有人做到,那些做到的人,就都变成了牛。

其实,在大学期间,最不缺的就是业余时间,最缺的就是专注精神,非凡的注意力造就非凡的专家。而生活中大多的分散注意力的因素:游戏、篮球、选修课、女朋友...要想集中注意力对一个单一的目标猛下功夫,其实还是相当有难度的。这个难度并非来自自制力,如果一个人要靠自制力去强迫自己不受干扰,那只能说还是寻常人,真正的效率来自于内心对于一个东西的强烈热忱,也就是我们俗称的追求,这时候从表层意识到深层意识都关注在这件事情上面,脑细胞高度活跃,才能创造出最大的效率。为什么作诗需要趁着酒兴,就是因为少了这种狂热的专注,效率就低下了,一首诗作为好几天顶多是平庸之作,跟交家庭作业也差不到哪去了。很多人正因为缺乏专注,所以虽然也和别人一样过来大学四年,实质四年里面利用的时间无形少了不知多少。

专注力为什么汇兑学习效率造成这么大的影响。这来源于两个方面。一是专注于一件事情能让表层意识全功率运作,这是显示效率。第二点,也是更重要的,它还能够使你潜意识进入一种专注于这件事情的状态。有过连续几天乃至一周或更长的时间思考同一个问题的人想必都有一种感觉,就是在这个思考期间,有时候虽然表层意识因为种种原因不在思考问题了(比如睡觉,入被其他事情中断),但潜意识层面仍然保留着其“惯性”,也就是说,潜意识层面仍在作思考的努力,从而虽表层意识被其他事情占据,但潜意识仍然将时间无形中利用起来了。这种无形中的时间利用日积月累可以产生宏大的效应。关于后一点,著名的例子有我们熟识的那个睡觉的中想出苯的化学分子式的老大。另一方面,潜意思也能在你察觉不到的情况下干扰你的注意力,我们平常就有这样的经验,一个球迷即使在表层意识专心工作的时候也会不知为何突然想起比赛的事情,一个焦虑的某件事情的人即使在做其它的事情的时候也会突然涌上来的焦虑打断。也就是说表层意识在关注一件事情,但潜意识却在关注另一件事情,并且时不时来打扰表层意识,从而影响注意力和效率。所以,如果表层意识和潜意思都能专注同一件事情,也就是俗称的完全融入,这个时候的效率就能double、此外这种专注成为一种习惯之后,就容易在很短的时间之内把自己的潜意识带入到一种关注的“惯性”中,于是即便表层意识的注意力已经转移开了,然而潜意识仍在继续关注原来的问题。比如你可能有这样的经历,学习一首歌曲,一开始的时候并没有完全学会,然后你去忙其他的事情了,一个星期之后想起这首歌曲,居然发现原来难学会的几个地方突然会哼了;或者思考一个问题,一开始的时候总有一个地方没有思考出来,然后你就先放着了,几天之后回这个问题,突然发现一切都清晰了。这就是潜意识的效率,它能在你不知不觉中把时间利用起来。

了解专注力的作用还不够,如何获得专注力才是更重要的问题。跟人身上的其他特质(性格、心态...)一样,专注力也是一种习惯。一个习惯于专注事情的人不管做什么事情都容易迅速进入一种专注的状态。既然是一种习惯,就能够培养出金武雄在《像外行一样思考,像专家一样实践——科研成功之道》里面提到“思维体力”的概念,所谓思维体力就是能够持续集中注意力的时间,注意力造就非凡专家,天才来源于长期的专注训练。培养你的思维体力,是成为非凡专家的一个必要条件,除了培养专注的习惯之外,还可以通过另一个充分条件来实现专注力,即做自己喜欢的事情。我们从小对自己喜欢做的事情都是极其专注的,当然,即使长大了之后,仍然还是某种程度上保留了这种专注能力,只不过因为外界的种种因素,长久专注的能力反而削弱了,要考虑房子,要考虑业绩,要考虑小孩,要考虑医疗保险..这些让人焦虑的事情会积压在你的潜意识当中,总是影响你专注做事情,削弱你人生的效率。卡耐基用一本《人性的优点》来介绍如何克服焦虑,可见焦虑的负面影响多大。要使自己能像小时候一样对喜欢的事情投入最大的专注,除了克服焦虑的负面影响之外,还有一个条件就是不能放弃,奥斯卡独力电影《阳光小美女》上,Frank和Dwayne在码头的那场Loser对话,以及Richard决定把他老爸的遗体带走时说的:“世界上有两种人,赢家和失败者,两者的区别在于赢家从不放弃...”佛家说逆境是增上缘,课本说天将降大任于斯人也,必先苦其心志,劳其筋骨,饿其体肤...宗教里说经受磨难才能到达彼岸,说的都是同样的道理。不过我还是欣赏Frank在码头说的那短话:

“普鲁斯特是个法国作家。彻底的失败者。一生中没工作,情事不断还是个同性恋。花20年写有一本没几个人看的小说。但他也许是莎士比亚之后最伟大的作家。晚年回首人生,他发现那些难熬的日子才是一生中最好的时光,因为那些日子造就了他。而快活的日子全是浪费时间,没有收获。一觉醒来就到18岁,觉得这样可以跳过高中时期的痛苦。但高中上你一生当中最重要的时光,你不可能经历比这更好的苦难了。”

多好的心态啊!什么是黄金心态,这就是。其实过来人你我都有这样的体会。此外,如何不让生活中其他细节干扰也是一个重要的因素,除了那些你焦虑的事情之外,还有诸如收拾衣服、打扫房间、清理书桌、接孩纸回家、瑜伽等等;对此史蒂芬柯维在《高效能人士的七个习惯》里面提到的第四代时间管理法则就非常有效。关注有两种关注法,主动关注和被动关注,许多人对琐事错误的采取了主动式关注,比如常常回到家就想“今天还有哪些事情没有做完”,实际上,让这些不重要的事情自己来找你就可以了,即中断式被动关注,后者可以防止空转轮询浪费的时间,从而集中注意力的时间利用在最重要的事情上。

最后,如何知道你已经获得了专注力。这样的现象太多了,比如本不想洗头却无意识地把洗发露倒在了手上结果不得不洗头,或者干脆把洗发露当沐浴露了。比如去食堂吃饭指着南瓜说黄瓜,或者端了免费的汤还拿卡出来打卡。至于像牛顿这样牛到顿的老大能把手感差异如此巨大的钟表当成鸡蛋煮了的阶段还远没达到,看来人家姓牛也不是白姓的。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电巡检,基于YOLO v4算法模型对常见电巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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