<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                # SuperMemo 知識樹與神經復習 > 作者:[jasony![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.zhihu.com/people/wang-jing-xuan-34-88) ## 目錄 [TOC=2,4] ## 被忽視的知識樹 我在學習神經復習的過程中發現自己好像嚴重低估了知識樹的重要性,以前也只是單純的拿知識樹進行**溯源**。仔細想想其實用 [Reference![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.yuque.com/supermemo/wiki/references) 干這事就已經足夠了。 :-: ![](https://img.kancloud.cn/18/63/1863aaf15434b06722c30c31504db545_660x290.jpg) 通過 *#title* 引用可以非常方便的追溯原文,知識樹也許可以用來做更棒的事。 ## 知識樹結構不良的問題 **1. 不方便閱讀** 我們將某書上的某一章節導入SM中,以該章節名命名并創建了一張摘錄卡。經過幾輪漸進后挖空了幾十張問答卡片。這時候目錄中的元素就會顯得格外的凌亂。知識點之間沒有聯系也不存在層級結構,卡片密密麻麻的根本無從閱讀。 :-: ![](https://img.kancloud.cn/cd/73/cd7302f285c3f472e95504cb75c1e16d_924x1434.jpg) **2. 冗余** 如果兩本書的知識點有大量重合,閱讀的過程中由于卡片分散在不同的目錄中,想進行對比會非常麻煩。大量知識點相同的卡片對我們復習并沒有益處,因為真正有效的學習是:[忘記后的重拾![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.zhihu.com/question/27252044/answer/109590714)。頻繁測試相同的內容沒有太大意義。 [學過的東西馬上就忘了怎么辦?![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.zhihu.com/question/27252044/answer/109590714) ## 為什么要保持知識樹結構良好? 1. 組織知識樹的過程會迫使自己去**建立知識點之間的聯系**,除了能干掉冗余之外,也可能在對比中產生一些新的**洞見**,這對于創造性的工作非常有意義 2. 良好的知識樹結構能幫助我們更好的進行**神經復習** 3. **增量寫作**實際上就是漸進組織知識樹的過程 > 正確執行的增量學習會以知識樹的形式構建已處理知識的語義結構。父級、同級和子級在意義上是相互關聯的——[神經學習成本![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.yuque.com/supermemo/wiki/costs_of_neural_learning) 這是神經復習文章中博士的原話,正確的增量學習是需要保持結構良好的知識樹的。 ## 神經復習是什么? 神經復習可以針對一個知識點進行發散復習,SuperMemo會自動去追蹤那些相關聯的知識,這是一種**模擬大腦思考的仿生模式**。同時它也具有一定的**隨機性**,因為跳出框架外的思考也可能會冒出新的靈感。 ## 概念 SuperMemo中的概念是一種元素類型,我們可以當作是一個想法,一個學習主題。 :-: ![](https://img.kancloud.cn/c0/a3/c0a3cdf9ec6c5f8ed442a2b8a6ce8a05_47x41.png) 黃色燈泡就是概念圖標 ## 將元素轉換為概念 要將元素轉換為概念,可以按下**Ctrl + Enter**打開**Commander**中輸入**Concept: Make** :-: ![](https://img.kancloud.cn/51/b6/51b668cee7040cb0b0ffa69490b3203f_1080x804.jpg) 也可以選中元素按下**Ctrl + K** > 轉換概念時注意命名的簡潔,方便我們后續進行鏈接 ## 將元素鏈接到概念 我們可以將某個元素鏈接到一個概念上時,這表示這個元素與概念之間存在著關聯性。當我們在這個元素上啟動神經復習時,擴散激活就會傳播到關聯的概念上 ## 建立鏈接的方式 1. 選中元素,按下**Ctrl + Enter**打開**Commander** 2. 輸入**Concept : Link** 3. 選擇概念 4. 點擊“**Accept**” :-: ![](https://img.kancloud.cn/fa/52/fa52c1b668efd7f1b1c92b1a9107ad44_1080x804.jpg) ## 查看元素的鏈接列表 我們可以在知識樹中選中元素,從主菜單中選擇**View > Link list**查看該元素已建立的所有鏈接 :-: ![](https://img.kancloud.cn/c9/0c/c90c4d141d8c11b30225508202e42f9a_1440x716.jpg) ## 取消鏈接的方式 1. 選中元素后,右鍵元素菜單選擇**Concepts > Unlink concept** 2. 選擇概念 3. 點擊“**Accept**” :-: ![](https://img.kancloud.cn/32/90/32909f07cabd8879dffc276670053f43_1440x928.jpg) ## 擴散激活 SuperMemo會根據擴散激活的規則進行神經復習,這是一種利用**連接和權重**進行檢索的方法。 擴展激活是一種激活神經網絡、語義網絡、有向圖等節點的算法。在SuperMemo中,**圖是由知識樹、概念鏈和元素間的語義連接構成**。也就是說除了鏈接以外,**知識樹也會參與擴散激活**,這也是為什么我認為有必要保持知識樹結構良好的原因。 所有用于擴散激活的鏈接都會根據其重要性獲得一個權重。權重由元素優先級和單個知識關聯的優先級決定(例如,概念連接的優先級高于知識樹中的同級關系) 詳細規則可以參考這里 [擴散激活 · 語雀![](https://img.kancloud.cn/59/55/595584352c755a01a25fe63d6268d569.svg)](https://www.yuque.com/supermemo/wiki/nmx1v6) ## 查看擴散激活是如何傳播的 神經復習隊列可以更直觀的觀察擴散激活是如何傳播的 在主菜單選擇**View >>Neural queue**打開神經復習隊列瀏覽器 :-: ![](https://img.kancloud.cn/28/d7/28d75b6bb64d37f5d0b910a0ee291df0_1235x802.jpg) :-: ![](https://img.kancloud.cn/f6/c7/f6c76e530eef72dc45f9c888c4e953e0_1440x829.jpg) ## 開始神經復習 在知識樹中選中你感興趣的元素,按**Ctrl+F2**進入神經復習,或者在瀏覽器菜單上選擇 Learn >>**Go neural** :-: ![](https://img.kancloud.cn/7c/38/7c38729a0b762e331430f90ebb0bbb67_533x361.jpg) ## 停止復習 不想復習了,按下**Esc**鍵 * * * ## 把SM當筆記軟件使用 之前我一直在想一個問題,SM漸進后的知識點如何導入到自己的筆記系統中? 最近在學習神經復習的過程中,我意識到SM本身就可以當作是筆記系統。 只要我的知識樹層次結構清晰明確,我就可以快樂的閱讀,如果能借助AutoHotKey來實現tab 縮進,shift-tab 減少縮進,這個知識樹是不是有點大綱筆記內味了? 而且SuperMemo元素鏈接是雙向的,也許SuperMemo也可以當成“雙鏈大綱筆記”來用,雖然用起來有些別捏。。。 ## 知識樹與增量寫作 這篇文章是使用增量寫作的方式完成的,SM的文字編輯足以滿足我基本的寫作需求了。因此對我個人來說知識樹還有用的。 即便不使用神經復習,我認為定期整理知識樹也是有必要的,因為組織的過程中能夠去掉大量冗余卡片,也能更好的幫助我梳理知識點之間的聯系。更妙的是,結構良好的知識樹,天然就適合導出進行增量寫作。 :-: ![](https://img.kancloud.cn/72/c0/72c02d78b00814cfc0a42fb3adcf6b4b_857x1366.jpg) ## 其它 雖然Supermemo的文本編輯功能的體驗很差,但在間隔復習領域還是非常能打的。 我個人也并不在意算法是**SM-2**還是**SM-17**,但我認為沒有優先級隊列的復習軟件是有設計缺陷的。因此即便remnote的筆記體驗很爽,但考慮到復習短板我暫時也不會打算完全切換。 目前也的確不存在兼具“**筆記**”和“**間隔復習**”兩大功能又能在各方面表現完美的軟件。也不用想著 all in one,組合起來用才是最爽的。 (**關于優先級的重要性可以參考葉神的這篇文章**) > [漸進閱讀:卡片刷不完?擁抱優先級!](./2450604)
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看