短期記憶的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

PyTorch深度學習實作：利用PyTorch實際演練神經網路模型

為了解決短期記憶的問題，作者VishnuSubramanian 這樣論述：

　　PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。 　　本書是使用PyTorch建構神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。 　　本書適合對深度學習領域感興趣且希望一探PyTo

rch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。 　　本書範例檔： 　　github.com/PacktPublishing/Deep-Learning-with-PyTorch

短期記憶進入發燒排行的影片

應用深度學習模型、時間序列分群方法和序列分析探討學生的學習表現

為了解決短期記憶的問題，作者林英儒 這樣論述：

在面對面的實體教室中，教學現場的人員比較容易觀察學生於課堂中的學習狀況；當學生在學習過程中遇到問題時，也較能清楚地了解問題所在，幫助學生解決問題。不過在課堂以外的時間，教學人員不易得知學生的學習狀況與學習過程。因此，本研究希望透過學習管理系統收集學生在學習過程中的日誌資料（Logs），並使用深度學習模型、時間序列分群方法和序列分析探討學生於課程中的學習表現，最後將研究結果回饋給教學現場的人員，使老師和助教能夠幫助學習進度較緩慢、或是在學習過程中遇到問題的學生。

心理學大圖鑑：伽利略科學大圖鑑13

為了解決短期記憶的問題，作者日本NewtonPress 這樣論述：

★伽利略科學大圖鑑系列第13冊★ 揭開行為背後的心理機制 專業臨床心理師好評盛讚 　　德國心理學家艾賓豪斯曾言：「心理學有著長久的過去，卻只有短暫的歷史。」無法透過眼睛觀察的心智運作，自古希臘以來就是諸多哲學家嘗試探究的主題。一直到了19世紀，「心理學」這門學問才誕生。 　　眾多心理學家藉著實驗加以確認，試圖探究人類心智是如何運作的，而精神疾病醫學的領域亦發展出了「臨床心理學」。心理學不只用來處理煩惱和痛苦，還有各式各樣的心理問題，日常生活行為背後的心理作用和現象也都是心理學的研究範疇。諸如著眼於「潛意識」的佛洛伊德、發現「情境」與「反應」之間連結性的「巴夫洛夫的狗實驗」、分析兒童的

認知發展有哪些階段的皮亞傑……多位心理學家都對心智活動提出了各自的論點，加以闡述說明。 　　本書以心理學的歷史為開端，接著引導出心智發展、人際關係心理學、團體心理學等等，以淺顯易懂的方式歸納出各個領域的概要。就讓我們進入「心理學」的世界，從科學角度理解人類行為吧！ 系列特色 　　1. 日本牛頓出版社獨家授權。 　　2. 主題明確，解釋清晰。 　　3. 以關鍵字整合知識，含括範圍廣，拓展學習視野。 專家好評推薦 　　「雖然心理學受到大眾的熱烈喜愛，但尷尬的是，一般人所認識的心理學跟實際上往往有不小的落差。《心理學大圖鑑》一書的誕生恰好有助於消弭此落差，對於心理學有興趣卻又不知從何著手的

人而言會是很棒的一個起點。」──方格正（臨床心理師／諮商心理學博士） 　　《心理學大圖鑑》源自日本牛頓出版社的暢銷作品，除了完整列出各種心理學的分支，其「圖解」的屬性，對於平常不習慣看長文的讀者來說，也更為友善。你可以透過各種圖表，以更輕鬆的方式認識心理學的不同分支。 　　對於想快速一覽心理學的各種領域，初步認識這些領域在研究什麼、做些什麼，看看這些與人有關的現象，心理學家是如何進行研究的話，本書確實是一本值得翻閱的入門磚。歡迎進入心理學的迷人世界，一起打開對人類心智好奇的那一道門。──蘇益賢（臨床心理師／心理師想跟你說共同創辦人）  

非監督式神經學習網路用於識別創傷性腦損傷動物

為了解決短期記憶的問題，作者林明臻 這樣論述：

本文提出一套非監督式學習分群演算法應用於腦傷老鼠之識別系統，以擷取老鼠的路徑軌跡資訊之行為特徵並透過非監督式神經學習網路來識別創傷性腦損傷(Traumatic Brain Injury, TBI)老鼠與正常老鼠。文中，首先透過一套自動追蹤八臂迷宮軌跡系統，來收集老鼠的路徑軌跡，並經由八臂數據管理系統取得量化特徵參數，擷取如實驗老鼠於八臂迷宮軌跡系統最終所花費的總長期記憶錯誤、總短期記憶錯誤以及總花費時間等。其次使用結合懲罰模糊C-均值(Penalized Fuzzy C-Means , PFCM)及霍普(Hopfield)神經網路之分群技術來識別TBI老鼠與正常老鼠。經實驗結果顯示，本識別系

統具有高的正確辨識率(正確率: 86.5%)，最後再建構圖形使用者介面(Graphical User Interface, GUI)，藉此以提供專業醫療人員友善與判別腦傷老鼠之運用。