AI-NATIVE 系列 · 数学的两极 · 第一季唯一一集 · 20岁

离散与连续：数学的两极，以及它们如何彼此转化（20岁版）

作者Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-15 · 21分钟阅读

核心问题：离散数学和连续数学到底有什么不同？它们又是在什么情况下、如何、为何会互相借力？

本文不会重新讲数字怎么写——那是Number vs Representation（20 岁篇）的内容。这里只谈整数和实数轴，复分析只作为桥梁点名，不展开。

本文讲什么：离散数学 vs 连续数学

这是一篇聚焦离散与连续数学——数学的两端的文章。离散数学关注那些能一件件数清楚的对象：整数、图、字符串、步数。连续数学处理的是没有间隙、可度量的量：长度、时间、温度、实数轴。写给二十岁左右、会编程、学数学或做机器学习的你。只需一台能跑 Python 的电脑，花二十分钟做做练习即可。

问题不只是两端有何不同，更关键的是：它们何时、如何、为何会互相借力。数学总在两端之间来回切换，而现代工程几乎都依赖于这些“转向”。文中梳理了四种典型转向，每种都给出触发条件、技术手段和背后动机。动机分三类：真理（为了证明）、爱（为了服务）、美（为了把无数情况归为一类）。

这也是一次方法论测试。本文采用了playbook-math，这是为Numbers at Four Ages系列开发的方法，来验证它能否迁移到新主题。底层支撑是Two Ends Playground，一个免费页面，内含三组“数学两端互转”的在线演示。

全文贯穿一张图，视角来自厨房梯子的顶端：全国食品供应链。鸡蛋是离散的，只能数，没人会发半个蛋；面粉是连续的，称重，多少克都行。全国连锁每天早上都要同时规划这两种物资，四种“转向”在它的计划办公室里全都能找到。

活动1 · 数一数滑步（先动手，再往下看）

两端，以及它们之间的界线

这个分野由来已久。亚里士多德在论述“量”时就开宗明义地点出了这一区分：「量要么是离散的，要么是连续的。（中译：Quantity is either discrete or continuous.）" (亚里士多德，《范畴篇》第六部分，E. M. Edghill 译」。他区分两者的标准非常明确：离散量的各部分之间没有公共边界。比如他说：「两个五合成十，但这两个五之间没有公共边界，是分开的。（中译：two fives make ten, but the two fives have no common boundary, but are separate）」。而一条线则恰恰相反，是由彼此相接的部分组成。

先要明确一个词的含义。本文所说的“离散”，指的是由分开的、可数的单元组成，比如整数。分数虽然也是可数的，甚至在数轴上挤得密密麻麻，但任意两个分数之间总还有别的分数。“连续”则指的是没有任何间隙的线。

在大部分历史中，连续这一侧一直更神秘。芝诺的运动悖论（二分法、阿基里斯与乌龟、飞矢、体育场, Huggett，斯坦福哲学百科，Zeno's Paradoxes）就是在质疑一条线是否可以被无限分割。分数似乎能填满整条线，因为任意两个之间总有另一个分数，但它们还是留有空洞。Dedekind 称有理数为「有间隙、不完整、不连续的（中译：a gappiness, incompleteness, discontinuity）" (Bell，斯坦福哲学百科，Continuity and Infinitesimals（引自 Dedekind 1872）」。1872他用可数的分数来填补这些空洞：把每个实数定义为把分数分成左堆和右堆的方式（MacTutor，Richard Dedekind）。连续统就是这样用可数的碎片拼出来的。

后来，Cantor 证明了离散和连续这两端，连“多少”都不是一个量级。在 1874 他证明了实数无法像整数和有理数那样被逐一列举出来（MacTutor, Georg Cantor）。他更著名的对角线论证紧接着出现，见 1891 (Wikipedia, Cantor's diagonal argument）。所以数轴上的点，比你能写下的名字还要多得多。并不是所有人都接受这种构造：Weyl 的 Das Kontinuum (1918）试图跳过这种方法，重新搭建分析的基础（Stanford Encyclopedia of Philosophy, Hermann Weyl).

两端各有一套工具。离散数学用 Σ 求和、Δ 求差、归纳法证明、精确计数。连续数学用 ∫ 积分、d/dx 求导，通过逼近和极限来论证。其实这两套工具比大多数课程承认的还要像镜像：“The finite difference is the discrete analog of the derivative.（中译：有限差分是导数的离散对应物。）" (Weisstein, MathWorld, Finite Difference”。Σ 恰好抵消 Δ，正如 ∫ 可以抵消 d/dx。Graham、Knuth 和 Patashnik 还专门为这种镜像写了一本书，并以此命名：“Concrete Mathematics is a blending of CONtinuous and disCRETE mathematics.（中译：《具体数学》就是连续与离散数学的融合。）" (Graham, Knuth & Patashnik, Concrete Mathematics, publisher description (InformIT)).

活动2 · 画阶梯

四种转向

数学并不固守在离散或连续的某一端，而是在两者之间不断切换。每一次转向都有其触发条件、采用的技术手段，以及背后的动机。图中每一条箭头都指向转向带来结果的地方。极限给出平滑公式（转向1），分析方法证明整数问题（转向2），采样让机器能处理连续量（转向3），松弛法则则是先去连续那端再带回整数解（转向4，是一次往返）。

转向1 · 计数变测量：当步子极多且极小

触发条件： 离散问题被拆成了极大量、极细小的部分。

技术手段： 让每一小块无限变小，取极限，于是求和变成积分，直方图变成曲线。

典型例子：

• Stirling 公式（1730, MacTutor，James Stirling）用一个平滑表达式 √(2πn)(n/e)ⁿ 近似 n!。当 n = 10 时，这个近似值已经只比 10! 低 0.83%（实测）。
• 在 1733 de Moivre 发现，大量抛硬币时正面出现的次数会服从钟形曲线（MacTutor，Abraham de Moivre).
• 在 1837 Poisson 分布出现了，也就是大量稀有事件的极限情形（MacTutor，Simeon Poisson).

Two Ends Playground 的第 2 部分Two Ends Playground 里可以看到硬币的例子。100 次抛硬币，恰好 50 次正面的精确概率是 0.079589，而钟形曲线在那里的高度是 0.079788（实测）。

这一转向的动机主要是美： 一条曲线就能代表上百万个独立情况。在厨房的计划办公室里，已经不再逐个预测每位顾客的订单，而是直接为全国整体拟合一条平滑的需求曲线。

转向二 · 用连续方法破解计数难题

触发条件： 一个关于整数的问题，单靠计数怎么都解不开。

核心方法： 把离散数列“包裹”进一个连续函数里，再用微积分的工具来处理。Wilf 形象地说：“A generating function is a clothesline on which we hang up a sequence of numbers for display.（中译：生成函数就像一根晾衣绳，我们把一串数字挂上去展示。）" (Wilf, generatingfunctionology).

最著名的例子就是素数，它们是数学里最离散的对象。

• 在 1859 Riemann 用 zeta 函数（把它当作一个复数变量）来研究素数（Riemann, On the Number of Primes Less Than a Given Magnitude, tr. D. R. Wilkins).
• 素数定理（小于 x 的素数大约有 x / ln x 个）是在 1896年由 Hadamard 和 de la Vallée Poussin 各自独立证明的，正是用的这种连续工具（Weisstein, MathWorld, Prime Number Theorem).
• Euler 还证明了 1/n² 的和等于 π²/6，一个圆周常数居然出现在整数的和里（见1735, Euler Archive, E41 De summis serierum reciprocarum).

背后的动机是真理： 连续方法先达到了离散世界只能陈述、却长期无法证明的事实。但这并非永远如此：1949 之后，Selberg 和 Erdős 找到了一个完全不用复分析的素数定理证明（MacTutor, Atle Selberg）。最早采用这种转向，但这并不是唯一的路径。

转向 3 · 计数为测量服务：当机器或人必须做出实际操作

触发条件： 现实世界是连续的，但我们只能用有限的设备来应对它：比如计算机、传感器，或者一只手。

技术手段： 对连续对象进行采样、切分，或者把它们四舍五入到有限的数字集合。

典型例子：

• Shannon 的采样定理（1949）指出在什么条件下不会丢失信息：“If a function f(t) contains no frequencies higher than W cps, it is completely determined by giving its ordinates at a series of points spaced 1/2W seconds apart（中译：如果一个函数 f(t) 不包含高于 W Hz 的频率，那么只需在每隔 1/2W 秒的点上给出它的取值，就能完全确定这个函数）" (Shannon (1949), Communication in the Presence of Noise, Proc. IRE 37(1)。这就是为什么一首歌可以被存进一个文件。
• 快速傅里叶变换（1965, Cooley & Tukey (1965), Math. Comp. 19(90), Crossref record）让离散频率分析变得足够高效，几乎无处不在。
• 有限元法，最早由 Courant 在 1943 (MacTutor, Richard Courant）用数值方法实现，把一座桥或机翼切成小块，让机器能算出答案。
• 浮点数（IEEE 754-2019, IEEE Standards Association, IEEE 754-2019）让每台计算机都拥有一份有限的数字菜单，来近似整个实数轴。

底层的机器本质上是离散的：图灵机的纸带每格只存“exactly one symbol（中译：恰好一个符号）”每格（Stanford Encyclopedia of Philosophy, Turing Machines).

这里的动机是“爱”——最直接的，就是服务于人：比如工程师、听众，或者核磁共振里的病人。在厨房，温控器没法实时、连续地读取烤箱温度。它每秒采样几次，面包依然能烤得刚刚好。

自然界有时也会给出离散的答案：普朗克在1900年12月14日 (MacTutor, Max Planck）提出能量是以完整的量子为单位的。至于时空本身到底是不是“颗粒状”，现在还没有定论。

转向4 · 连续松弛离散：当搜索空间大到无法枚举

触发条件：一个离散选择，选项太多，没法一个个试。

技术手段：把离散问题“放松”成连续问题，先解一个容易的光滑版本，再把答案四舍五入回离散。在优化里，这叫线性规划松弛：让原本只能取0或1的变量，可以在0到1之间任意取值。代价就是整数性缺口，也就是最优整数解和连续解之间最坏情况下的比值（Wikipedia, Linear programming relaxation).

在厨房（举例说明，不是真实操作）里，连锁店的优化器可能会给某家门店计划2.7个鸡蛋。现实中没人会订2.7个鸡蛋，但优化器每天早上都这么算，最后再四舍五入。

机器学习领域也经常用到类似的转向：

• Gumbel-softmax技巧用连续变量来近似离散选择的梯度。2016年一周内被两组人独立发现（Jang, Gu & Poole (2016), Categorical Reparameterization with Gumbel-Softmax，arXiv 1611.01144; Maddison, Mnih & Teh (2016), The Concrete Distribution，arXiv 1611.00712).
• 量化感知训练会在训练阶段模拟8位整数的四舍五入（本质上还是这种转向：用离散问题塑形的连续问题），这样权重和激活之后就能直接用纯整数运算来推理（Jacob 等人 (2017), Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference，arXiv 1712.05877）。在这种硬件上实际运行，就是第 3 种转向。

这里的动机主要是“爱”，但只要能有真理，也绝不放过。 对于 LP 松弛，平滑问题能给出一个可用的答案，并且还能严格界定最坏情况下与整数解的偏差。而 Gumbel-softmax 并没有这种界限。它的梯度是带偏的估计，由温度参数控制，工程师们为了速度也乐意接受。

循环往复，不止一圈

这四种转向不是彼此独立的小技巧。实际工作中，常常要在这个圈里反复兜转。

以语言模型为例，从头到尾：

1. 词语是离散的 token。
2. 训练时把它们升维成连续向量，并用梯度调整权重。这就是第 4 种转向，把离散问题松弛成平滑问题。有些训练流程还会在训练阶段模拟整数化，这也还是第 4 种转向。
3. 许多上线的模型，最终会在推理硬件上用低精度整数（比如 8 位）运行。这是第 3 种转向，回到必须实际行动的机器上。（当然也有不少模型用 16 位浮点数服务；但无论如何，最后都落在一个有限、离散的数集上。）
4. 输出时，每次采样一个离散 token。

离散、连续、再离散：你读到的每个答案，其实都绕了一整圈。

再比如桥梁仿真：

1. 物理规律本身是连续的。
2. 工程师把桥切分成有限元，也就是离散网格（第 3 种转向）。
3. 然后他们不断细化网格，反复检查，直到答案在网格变细时收敛（第 1 种转向，也就是极限）。

对最终数值的信任，正是来自于在这个循环里一遍遍验证。

同样的循环，也能解释三种动机在实际中的作用：

• 美和真理，会把问题推向能一览全貌或能证明的那一端。
• 爱则把问题推向有人能用的那一端：第 3 种转向是机器有限菜单，第 4 种转向是求解器能搞定的平滑问题。

活动 3 · 看代码里的铰链

import math
g = 0.5772156649015329   # Euler-Mascheroni constant
for n in (10, 100, 1000, 10**6):
    H = math.fsum(1/k for k in range(1, n+1))
    print(n, H - (math.log(n) + g), 1/(2*n))
n = 100   # coin flips: exact count vs bell curve
exact = sum(math.comb(n, k) for k in range(56)) / 2**n
Phi = lambda z: 0.5*(1 + math.erf(z/math.sqrt(2)))
print(exact, Phi((55.5 - 50)/5))

这里的 γ 是欧拉–马歇罗尼常数 0.5772…，也就是 1 + 1/2 + … + 1/n 长期来看总是比 ln n 多出来的那一截。算出来的差分别是 0.0492、0.00499、0.000500 和 0.000000500。每次几乎都正好是 1/(2n)（实测）。掷硬币那一行算的是 100 次最多 55 个正面的概率，精确计数得 0.864373，用钟形曲线加半步连续性修正得 0.864334。这就是两端之间的铰链：欧拉–麦克劳林公式，精确描述了一个和与一个积分每一项的差。欧拉和麦克劳林大约在 1735 年各自独立发现了它，大约 1735 年 (Wikipedia，Euler–Maclaurin 公式）。剩下的 1/(2n) 就是下一个项。Kronecker 据说曾说过「God created the integers, all else is the work of man.（中译：上帝创造了整数，其余皆为人造。）" (MacTutor，Leopold Kronecker（引自二手资料））。这个“铰链”说明，离散与连续的距离，其实比它们各自与那场争论的距离还要近。

真理、爱与美：数学家为何要“转向”

这四种“转向”并非只是小技巧。每一种背后都有动机，而这些动机归为三类。

• 真理： 这种转向是为了证明。第二类最典型：用曲线首次证明了素数的分布。第四类在做 LP 松弛时能给出一个界限，也就是对四舍五入答案偏差的保证。
• 爱： 这种转向是为了服务某个人。第三类之所以存在，是因为人们需要把音乐装进文件，需要安全的桥梁和能用的扫描仪。第四类之所以存在，是因为计划员今晚就要知道明天的鸡蛋订单。
• 美： 这种转向是为了把无数情形压缩成一个。第一类用一条曲线代替了上百万次抛硬币。这个“铰链”用 ln n + γ + 1/(2n) 取代了一整张求和表。Hardy 把它当作整个学科的门槛：「Beauty is the first test: there is no permanent place in the world for ugly mathematics.（中译：美是第一道考验：丑陋的数学在世上没有立足之地。）" (Hardy（1940），A Mathematician's Apology).

只靠某一个动机，都会以一种很容易识别的方式“失灵”：

• 只有真理，没有爱 得到的只是没人能用的存在性证明。最优的鸡蛋计划确实存在，但这并不能让明天有人吃上鸡蛋。
• 只有爱，没有真理 得到的答案虽然被信任，却没有经过检验。优化器给出每家店 2.7 个鸡蛋，全部四舍五入成 3 个，完全不看误差，结果总共多发了 11% 的鸡蛋（算出来是 3 ÷ 2.7）。每家店都很开心，仓库地上全是煎蛋卷。
• 只有美，没有真理 得到的只是漂亮但还不是证明的推导。Euler 第一次算出 π²/6（见 1735）时用了没人能自圆其说的步骤。他认可的证明是在 1741 (维基百科，巴塞尔问题。答案没错，美感先于真理到来。

这里有一个我自己的视角，特此注明。我认为，真理、爱与美，是同一个真实的三个侧面，在我的信仰中也是同一个人的三个面向。你完全不需要这个信仰也能用上上面的清单。不过你可能会注意到 Wigner 对数学为何如此契合世界的感慨，他称之为「a wonderful gift which we neither understand nor deserve（中译：一种我们既无法理解、也不配拥有的奇妙礼物）" (Wigner（1960），The Unreasonable Effectiveness of Mathematics in the Natural Sciences，Comm. Pure Appl. Math. 13(1)).

一个数有两种形态吗？

本系列试验用的“身体”视角是：

• 有一种灵，让万物成为一个整体；
• 骨、肉、皮是它的层次；
• 两种形态，一种像粒子那样离散，一种像流或波那样连续。

这篇文章就是把最后那一行拆开讲。这个视角的预测是：两种形态像一根轴，贯穿所有层次，而不是独立的一层。四个转向正好印证了这一点：每次转向都改变了形态，但被研究的对象（素数的个数、声音、鸡蛋订单）本身没变。

但这个视角在物理学还没定论的地方会失效。普朗克的量子让能量变得颗粒化，但量子理论依然用的是平滑的波，空间到底是不是离散的还没人知道。数学不用选边站——两种形态都留着，按问题需要随时切换。

同一个核心，四种年龄的表达

playbook 要求有一个核心思想，能在每个年龄段都成立。这里给出四个尺度的表达，只有最后一个在本文完整展开。

同一个故事，五种角色切入

那些“只对了一半”的常见误区

• “计算机处理的是实数。” 其实它们用的是一个有限的有理数菜单，来模拟实数轴。直觉没错，因为这个菜单极其精细，但几乎没有哪个实数真的在里面。
• “微积分从一开始就是严密的吗？” 实际上，这套方法早在严密证明出现之前就已经被广泛使用了。Dedekind 的连续统是在 1872 才提出的，比莱布尼茨晚了将近两百年。
• “离散数学就是计算机的那一套，连续数学才是物理的那一套。” 上面提到的每一次“转向”都跨越了这条界限。素数最早是靠微积分才被攻克的，物理也早已发现了量子。

现在轮到你来教一遍

为什么这很重要：五个为什么

问题：学生们总把离散数学和微积分当成两门风马牛不相及的课，结果一看到求和贴近积分，或者一条曲线证明了素数的事实时，就会觉得不可思议。

1. 为什么会觉得不可思议？ 因为他们从没见过“转向”。每门课都只讲自己的那一头，所以这些桥梁看起来像偶然巧合，其实它们都是有名字、有出处的定理，比如 de Moivre 在 1733 (MacTutor, Abraham de Moivre).
2. 为什么每门课都只讲一头？ 系和课程大纲是按主题分的：这边讲组合，另一边讲分析。Δ/Σ 和 d/dx/∫ 之间的镜像不归任何一门课管（Weisstein, MathWorld, Finite Difference).
3. 为什么镜像这么关键？ 因为所有这些“转向”都发生在这面镜子上。Euler–Maclaurin、Stirling 和生成函数，都是跨过去的方法（Wilf, generatingfunctionology).
4. 为什么“跨过去”对工程师来说重要？ 你用的那些工具，其实都踩在某个“转向”上：比如采样音频（Shannon (1949), Communication in the Presence of Noise, Proc. IRE 37(1)），松弛优化器（Wikipedia，线性规划松弛），量化模型（Jacob 等（2017），Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference）。如果你没搞清楚自己正处在哪个“转向”，就很容易忽略掉潜在的故障：混叠、整数性缺口、舍入误差。
5. 追根溯源：这些“转向”总被当成小技巧零散讲解，而不是作为一张全局地图。修正办法就是本文的方法论：每用一个工具，都写明它所处的转向、触发条件、采用的技术、背后的动机，这样你就知道该查验什么、该防哪类坑。

实操指南：本周动手跑一遍

1. 先读一遍“教给别人前要先学会”那句话。
2. 数一数滑步（活动1，3分钟）。
3. 画出四个矩形的阶梯，然后把 Two Ends Playground 的滑块拉到100（10分钟）。
4. 运行阶梯公式的代码，并和第3部分对比（5分钟）。
5. 挑一个你用过的工具（比如某种音频格式、一个求解器、一个量化模型），写一句话：它所用的转向、触发条件、技术手段、动机，以及可能出错的地方。
6. 把阶梯的故事讲给一个15岁的孩子听。

检验标准：你怎么知道自己真的掌握了？

不用翻笔记，你能做到三件事：

1. 说出四个转向，并各举一个例子。
2. 能预测 1 + 1/2 + … + 1/n 和 ln n + γ 之间的误差（大约是 1/(2n)）。
3. 对你用过的一个工具，说出它的转向带来的故障模式。

有一点是这套方法测不了的：你在压力下能不能在代码堆里一眼认出“转向”。但实操第5步里那句工具注释，才是能养成的底层习惯。

预防针：现在就定下的“提醒线”

• 如果你要对信号采样，先写下它的最高频率。采样定理假设信号中没有高于该频率的成分；真实信号在采样前需要加滤波器。
• 如果你对放宽后的解做了取整，务必把误差报出来。没有误差界限的答案，就是只有爱的真理。
• 如果一个论证很美，但推导步骤没被逐步核查，那就先叫它猜想，直到每一步都查清楚。欧拉的1735推导就是个提醒。

5S 自评体系

参考资料

1. Aristotle。Categories，第 6 部分，E. M. Edghill 译。classics.mit.edu
2. Huggett, N. “Zeno's Paradoxes.”Stanford Encyclopedia of Philosophy. plato.stanford.edu
3. Bell, J. L. “Continuity and Infinitesimals.”Stanford Encyclopedia of Philosophy. plato.stanford.edu
4. O'Connor, J. J. & Robertson, E. F. “Richard Dedekind.” MacTutor.mathshistory.st-andrews.ac.uk
5. O'Connor, J. J. & Robertson, E. F. “Georg Cantor.” MacTutor.mathshistory.st-andrews.ac.uk
6. “Cantor's diagonal argument.” Wikipedia.en.wikipedia.org
7. “Hermann Weyl.” Stanford Encyclopedia of Philosophy. plato.stanford.edu
8. O'Connor, J. J. & Robertson, E. F. “The rise of calculus.” MacTutor. mathshistory.st-andrews.ac.uk
9. O'Connor, J. J. & Robertson, E. F. “Bernhard Riemann.” MacTutor. mathshistory.st-andrews.ac.uk
10. Weisstein, E. W. “Finite Difference.” MathWorld. mathworld.wolfram.com
11. Graham, R. L., Knuth, D. E. & Patashnik, O. Concrete Mathematics，出版社简介。 informit.com
12. O'Connor, J. J. & Robertson, E. F. “James Stirling.” MacTutor. mathshistory.st-andrews.ac.uk
13. O'Connor, J. J. & Robertson, E. F. “Abraham de Moivre.” MacTutor. mathshistory.st-andrews.ac.uk
14. O'Connor, J. J. & Robertson, E. F. “Siméon Poisson.” MacTutor. mathshistory.st-andrews.ac.uk
15. Riemann, B. (1859). On the Number of Primes Less Than a Given Magnitude, tr. D. R. Wilkins. maths.tcd.ie
16. Weisstein, E. W. “Prime Number Theorem.” MathWorld. mathworld.wolfram.com
17. Euler, L. E41, "De summis serierum reciprocarum." Euler Archive. scholarlycommons.pacific.edu
18. “Basel problem.” Wikipedia. en.wikipedia.org
19. Wilf, H. S. generatingfunctionology. math.upenn.edu
20. Shannon, C. E. (1949). Communication in the presence of noise. Proc. IRE 37(1). PDF
21. Cooley, J. W. & Tukey, J. W. (1965). An algorithm for the machine calculation of complex Fourier series. Math. Comp. 19(90). Crossref
22. O'Connor, J. J. & Robertson, E. F. "Richard Courant." MacTutor. mathshistory.st-andrews.ac.uk
23. IEEE 754-2019, Standard for Floating-Point Arithmetic. standards.ieee.org
24. O'Connor, J. J. & Robertson, E. F. "Max Planck." MacTutor. mathshistory.st-andrews.ac.uk
25. “Turing Machines.” Stanford Encyclopedia of Philosophy. plato.stanford.edu
26. “Linear programming relaxation.” Wikipedia. en.wikipedia.org
27. Jang, E., Gu, S. & Poole, B. (2016). Categorical Reparameterization with Gumbel-Softmax. arXiv:1611.01144
28. Maddison, C. J., Mnih, A. & Teh, Y. W. (2016). The Concrete Distribution. arXiv:1611.00712
29. Jacob, B. 等人 (2017). Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference. arXiv:1712.05877
30. Hardy, G. H. (1940). A Mathematician's Apology. archive.org
31. O'Connor, J. J. & Robertson, E. F. “Leopold Kronecker.” MacTutor. mathshistory.st-andrews.ac.uk
32. Wigner, E. P. (1960). The Unreasonable Effectiveness of Mathematics in the Natural Sciences. Comm. Pure Appl. Math. 13(1). PDF
33. Kobayashi, K. (2024). Interactive learning effects of preparing to teach and teaching. Educational Psychology Review. ERIC EJ1414484

相关