什么是感覺統(tǒng)合？如何訓(xùn)練和提升？舉個(gè)簡單點(diǎn)例子，羽毛球從天空快速飛過，你能在瞬間揮拍擊球，準(zhǔn)確直接命中羽毛球，這是感覺統(tǒng)合的一個(gè)方面。其他還有一個(gè)很多，比如說視覺，聽覺，味覺，嗅覺，觸覺，前庭覺（空間

什么是感覺統(tǒng)合？如何訓(xùn)練和提升？

舉個(gè)簡單點(diǎn)例子，羽毛球從天空快速飛過，你能在瞬間揮拍擊球，準(zhǔn)確直接命中羽毛球，這是感覺統(tǒng)合的一個(gè)方面。其他還有一個(gè)很多，比如說視覺，聽覺，味覺，嗅覺，觸覺，前庭覺（空間、速度與平衡），本體覺（肌肉、關(guān)節(jié)的感覺）。有沒覺著感統(tǒng)就中有了以及人的方方面面？確實(shí)這般，感覺統(tǒng)合訓(xùn)練是每一個(gè)人的基礎(chǔ)感應(yīng)能力覺系統(tǒng)，從嬰兒開始，學(xué)會(huì)了坐、爬、走、跳、聽、說、讀、寫、思考，這些是人的感覺統(tǒng)合算正常發(fā)育發(fā)展過程。

所以才見到很多感統(tǒng)失調(diào)的文章，把孩子各種各樣的行為、心理表現(xiàn)問題完全放感統(tǒng)失調(diào)里面去，以前大部分孩子應(yīng)該有感統(tǒng)問題一樣，這里總之挖了一個(gè)坑，畢竟感統(tǒng)它是把作為人的所有感知覺都涉及之廣出來了（視、聽、嗅、味、觸、均衡、本體），可是要知道人的發(fā)育發(fā)展有個(gè)體差異性、還有階段性。感覺統(tǒng)合能力才是人的各種覺得通路與大腦神經(jīng)系統(tǒng)的發(fā)育，雖然很重要，但也不是某些網(wǎng)絡(luò)文章所鼓吹的，孩子錯(cuò)字、漏題、怕生、應(yīng)該不會(huì)系鞋帶、不認(rèn)真聽課等等，什么都往感統(tǒng)失調(diào)的大鍋里放。

指出下，感覺統(tǒng)合訓(xùn)練是很重要，哪怕是每個(gè)人存在地的，請問各位誰不是什么是從視，聽，嗅，味，觸，平衡，運(yùn)動(dòng)，本體這些感知覺在生活呢？但最好不要只要什么行為表現(xiàn)都說是感動(dòng)失調(diào)，這個(gè)坑太大，都裝進(jìn)去也百害。

至于怎摸訓(xùn)練和提升？幼兒期多做戶外活動(dòng)、多與同年人孩子一起玩兒、多能參加體育運(yùn)動(dòng)，現(xiàn)在的幼兒園和小學(xué)也很重視素質(zhì)和體能教育，知識學(xué)習(xí)也很重要的是，是后期初級認(rèn)知能力發(fā)展的有用有機(jī)組成。

人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)（物理或數(shù)學(xué)意義）是什么？

看了幾個(gè)解釋，都不錯(cuò)，但問題問的是“數(shù)學(xué)本質(zhì)”，我總覺得回答們很顯然都太“技術(shù)性”了。

Deep Learning的數(shù)學(xué)本質(zhì)在我現(xiàn)在看來無比簡單點(diǎn)，是三個(gè)基本是的數(shù)學(xué)問題：找特征，求極值。

這個(gè)“特征”是數(shù)學(xué)里常說的特征值，特征方程，特征向量…都一樣，一般來說“特征”就是思想活動(dòng)一種函數(shù)的“不變性”。

最簡單的，三張照片里光線到底好不好？有沒有明顯的邊界？前者這個(gè)可以定義一個(gè)特征值：亮度的均值。后者也可以定義那個(gè)特征值：梯度。

以往民間的機(jī)器學(xué)習(xí)理論，這樣的特征必須算法設(shè)計(jì)者去“想出”，這竟像解幾何題，你得才想到怎莫畫輔助線。想不出去，你就解不出卷。

十分不幸是大量人工智能實(shí)際場景里，最水準(zhǔn)的算法設(shè)計(jì)師也動(dòng)不動(dòng)愛無計(jì)可施。這應(yīng)該是深層神經(jīng)網(wǎng)絡(luò)理論的一個(gè)出發(fā)點(diǎn)：為啥要人去找特征？我想知道為什么用不著算法自己去找？

這是兩個(gè)重大的事情的理論強(qiáng)行突破，直接類比于笛卡爾發(fā)明解析幾何：從此繼續(xù)需要“輔助線”，全部代數(shù)化。

這樣對于那么含有可能的特征函數(shù)，這樣的話多種很可能參數(shù)你選，機(jī)器怎么選擇呢？這就是二個(gè)問題：求極值。

這都是個(gè)極其基礎(chǔ)的數(shù)學(xué)問題：極值點(diǎn)那是（偏）導(dǎo)數(shù)0。

但是人工智能場景里函數(shù)變量動(dòng)不動(dòng)愛以百萬計(jì)，因此有很多“技術(shù)性問題”不需要優(yōu)化軟件。比如說梯度會(huì)下降法等。

因?yàn)橄到y(tǒng)的總結(jié)下，深度神經(jīng)網(wǎng)絡(luò)那就是另一個(gè)“自動(dòng)的特征提取器”，其數(shù)學(xué)本質(zhì)只不屬于兩點(diǎn)：

-特征函數(shù)，CNN里采用統(tǒng)一的卷積形式（我想知道為什么？只不過簡單的啊，并且隨機(jī)的數(shù)學(xué)工具多）。

-求極值：是逼近/找到（偏）導(dǎo)數(shù)0的參數(shù)向量。