“这么一说，我也得去看看他去。”老宋说着，也跟了上去。
两人并肩下楼。
本以为能在寝室里找到江寒，结果去了之后才发现，403寝房门紧锁。
“没在？”老宋有点意外。
这个时候，江寒能去哪里呢？
“得，我去班级找李东他们问问吧。”老宋说着，正要往出走。
易中海笑了：“那么麻烦干嘛？直接给他打个电话不就完了？”
说着，拿出了手机，找到储存的江寒号码，就拨了过去。
星河酒店，703。
江寒正沉浸在学习和研究里，手机忽然响了。
一看来电显示，居然是易中海的号码。
这可好久没联系了，也不知道找自己什么事儿？
江寒接起电话。
易中海的声音传来：“江寒。”
“哎呀，易老师，您怎么想起给我打电话了？”江寒笑着寒暄。
“没事儿就不能联系一下了？”易中海笑着皮了一句，“咱俩好歹还喝过一顿酒呢。”
江寒：“……”
“你身体怎么样了？”易中海问。
“谢谢您的关心，已经好很多了。”江寒很诚恳地道谢。
“听说你请假了，我和老宋打算去看看你，结果去了你们寝室，居然没有人在。”
江寒想了想，说：“我这几天身体不舒服，怕给室友添麻烦，就在校外住了几天。”
“什么地方？”易中海问。
“星河酒店。”江寒回答。
“房间号？”易中海追问。
江寒：“703。”
“好，我和老宋下班后过去，没问题吧？”易中海又问。
江寒连忙说：“欢迎。”
又说了几句，双方就挂了电话。
“走，咱们去看江寒去。”易中海笑着邀请老宋。
“咦，你刚才不是说下班后去吗？”
“那时候天就黑了，我们早去早回吧。”
“可现在还没下班……”
“没事，早退个一回半回的，你还担心领导把你怎么样啊？”
“倒也没什么，就是有点不放心班级那些小崽子……”
“没事，你打个电话，让王典先顶一会儿……走了走了。”
易中海和老宋联袂走出寝室楼，向大门走去。
两人刚到学校大门口，就听见门卫室里传出一阵豪爽地笑声。
听起来竟然是大校长沈立兴？！
老宋和易中海面面相觑。
现在距离下班可还有不短的时间，要不要当着大校长的面，大摇大摆地离开学校啊？
门卫室门忽然开了，沈立兴和高俊德先后出来，后者手里还拎着一个邮包。
“咦？老宋，你教的好学生！”沈立兴看见老宋，立刻笑着打趣了一句。
可看在老宋的眼里，却感觉对方有点“笑里藏刀”的意思，冷汗差点泉涌而出。
“校长，俺们班那些个不懂事的……这次是谁闯了祸？”老宋十分惴惴不安。
沈立兴大笑：“什么闯祸？是江寒那小子，写的论文居然被AMC收录了。”
说着一指高俊德：“他手里就是样刊。”
老宋一颗提着的心啊，这才落回了肚子里。
原来大校长刚才那句话，不是正话反说……
高俊德将邮包递给老宋。
邮包已经拆开了，老宋翻看了一下，果然是一些英文刊物。
易中海跟高俊德打听了一下后，也了解了事情始末。
心里那个震动啊，就别提了……
得知两人打算去看望江寒，沈立兴立即大手一挥：“去吧。”
老宋和易中海答应了一声，却没动地方。
“怎么还不走？”沈立兴有点奇怪。
“这不是还没下班么？”易中海笑着说。
“等什么下班？要去就早点去，看望病人这种事儿，没听说还能拖到天黑的。”沈立兴不满地说。
老宋和易中海连忙答应了。
高俊德笑着对老宋说：“我还打算下班特意跑一趟，给小江送样刊。既然碰上了，你这个做班主任的，就亲自给他捎过去吧。”
老宋自然没二话。
“嗳，对了，校长，我们这事儿不算请假吧？”易中海皮了一句。
沈立兴哈哈一笑：“请什么假？公出！你们俩就代表学校，去探望一下江寒。”
说完转身离去。
但还没走出几步，沈立兴忽然想起了什么，回头交代说：“哦，对了，别空手去，给孩子买点水果什么的，也算咱们这些师长的一点小心意……回头找总务处报销。”
宋谦和易中海喜出望外，连忙答应了。
跟着两人就将被拆开的包裹重新包好，联袂走出了学校。
※※※
星河酒店，703。
江寒正在紧张忙碌。
几乎一整天，他都在研究“自组织特征映射SOM网络”。
SOM这玩意，结构上和MLP模型十分相似，都是由简单的神经元，组成的某种拓扑结构。
区别主要在于，MLP是有监督学习，而SOM模型则属于“无监督学习”。
所谓有监督学习，就是让计算机从给定的训练数据集中，学习出所需要的某个函数。
训练数据中通常包括一个标签项，来告诉计算机，什么样的输入对应着什么样的结果。
而无监督学习，一样需要训练数据，但却并不需要给输入的数据打上标签。
也就是说，输入一组数据，需要输出什么，并不会事先予以规定，也没有确定的结果。
让计算机自己寻找规律，自己去学习应该怎么做，这就是“无监督学习”的基本概念。
事实上，这种非目的性的学习活动，更符合人类对于“自主学习”的定义。
所以，很多时候，“无监督学习”比“有监督学习”更有用。
譬如分析一堆数据的主分量，或分析数据集有什么特点，都可以使用“无监督学习”。
SOM是将高维的输入数据在低维的空间表示，所以常用来给数据“降维”，此外也常用于数据可视化、聚类等。
SOM是一种自组织神经网络，在网络结构上，有着十分鲜明的特点。
一般包含输入层和竞争层，构成双层网络，通常没有隐含层。
层之间的各个神经元，进行双向连接，有的时候，竞争层的神经元之间，还会存在横向的连接。
在学习算法上，SOM也有与众不同之处。
其模拟了生物神经元之间的兴奋、协调、抑制、竞争机制，通过这些作用中蕴藏的信息动力学原理，来指导神经网络的学习与工作。
这一点与“多层感知机”(MLP)对比鲜明，后者通常是以网络的误差，作为算法的准则，来调整参数。
竞争型神经网络的基本思想，是让网络中竞争层的各神经元，竞争对输入模式响应的机会。
最后获胜的神经元，就表示算法对输入数据的分类。
因此，很容易把这样的结果和聚类联系在一起。
思路捋顺后，接下来就是写成论文，然后再设计一个小程序，对算法进行验证。
最后再收集一些程序运行中所产生的数据，和普通“MLP”进行一番比较……
江寒紧赶慢赶，终于在下午3点前搞定了论文的主体部分。
接下来，就可以休息一小会儿了。
吃了两块巧克力，又吃苹果，正惬意着，手机铃声忽然响起。
江寒看了眼来电显示，又是个不认识的，不过看号段是松江本地的电话。
“喂？您好。”江寒接起电话。
“江寒同学吗？”那边传来一个浑厚的男子声音。
江寒：“我是……请问您是哪位？”