| octopus4's profile睡前一茶匙PhotosBlog |  Tools  Help |
|
April 28 郁闷之下换个桌面话说我的桌面也素了有将近三个月了，今天换上新近比较迷的帅哥Christian Bale的一张摄影师定装照，聊以解乏。
真的好想从头到尾尽兴地看一遍《the prestige》，单冲着Christopher Nolan的导筒就够期待了，何况另外还有招人喜欢的Bale同学，我假装没有看见金刚狼H.Jackman同学嗯……其实迷上Christian Bale，也就是看的不完全版的the prestige，Bale在开头法庭上那场戏，一句台词没有，几个镜头一转，我就被电死得很彻底……orz，最初是冲着Scarlett Johnathon去找这部片子的……从而进一步论证了即使好电影也需要花瓶的道理……另外我再次怅悔当初没有注意到是Christopher Nolan导演的……
郁闷之下，竟然找到同一导演，同一男主，同一男配的另外一部：之前沾都不愿意沾的Batman begins来看-___-||...不过幸好这部片还好，最为我欣赏的优点是竟然不傻。特效当然不错，场面也大，不过过于习惯，忽略之。Bale有几场戏挺帅，蝙蝠装虽然据说较前几部相比已顺眼不少，但在偶看来还是狂傻不已，呜呼，还是百万富翁造型比较对俺胃口。嗯嗯，光鲜一点的好。
Batman begins的story line太弱，不好让Nolan怎么发挥，不过对漫画改编作来说已经够可以了。（这时v for vedetta跳出来喊冤说自己也不算傻，好吧，可能我对漫画改编作适应了。）
最后感慨一下Michael Cain真是管家，助手，仆人专业户啊……老头子演得不错，虽然还是独白比较赞。
April 24 继续乱侃这样的天气让我想起了北京。
安静的热度，浮尘，远处低低的白色氤氲，包括暗涌起的脚步踏在石子路面上干燥的声响。
真是转眼就要回国了。
考完两门极其无聊的课，假设自己还长了点见识。另外有等了一个多月的heroes ep19让我大失所望，中午还跟hanying谈到这个，这个无聊剧里我唯一喜欢的人物Peter，我说他是个完完全全的dreamer，自以为这定义颇为精准，也许正是dreamer属性才让我感慨，有共鸣吧。
抱着一袋棉花糖开始看混沌与分形，然后惊奇地看着袋子后面的recette上写着这东西还可以烤着吃。
April 18 模式识别结课感想选了一门模式识别，可惜一共才4节课，更可惜竟然被我翘掉了两节……默哀一分钟……模式识别还是机器人视觉方面蛮重要的东西的说……
今天考完很扯的这门考试，算了一下分大概这个课组还不会挂，于是就安心了，orz一下。
喊一下冤，其实这门课我学得很认真的，大大小小的资料找了不少，也读了不少。趁还热的时候赶紧写点感想，希望以后捡起来容易些。
总的来说这门课讲的是模式识别的一部分：判别函数，各种分类器及算法，然后就是神经网络系统。以下是我理解的内容。
模式识别是认知学的一部分，处理的问题是“分类”：在看似杂乱无章数据堆里找出规律，教给分类器，然后应用分类器于试验数据。
整个流程是：从物理上可感知的世界中取得数据；处理数据（降低维数）；由已知分类的那部分数据入手，将其教给分类器；分类器学习完后对未知类型的数据进行分类。我们这里假设前两步已经完成。后面工作的核心内容是找出好的判决规则。
分类器判决规则最原始的原理：拿到数据，看一下，把它分类到可能性最高的那个组里。所以核心问题在于比较一个样本属于不同类的可能性大小，选出可能性最高的那个，或者作出导致结果风险最小的选择。（分别叫最小错误率判决，最小风险判决）
最优的分类器是bayes分类器，以寻找类条件概率密度函数为目的，始于处理大量的按一定概率规律随机分布的数据。概率统计方面信息如果已经很全当然可以马上下结论，计算出两种概率再比大小就行了。然而比较常见的情况是：我们大概知道概率分布的形式，比如知道是自然概率分布，但是不清楚这个分布律相关的参数，后面是纯概率学问题，不想了，头大。
这里以及后面，关于从一维推广到多维的情况，都是要么用矩阵和向量，要么通过某种关系向一维投影（不觉得实际上是一回事吗……）
bayes好是好，就是嫌太麻烦了，计算量大，需要的存储空间也大，于是懒人开始用线性判别函数。命好的话会碰上线性可分的问题，命稍微差一点就碰到广义线性可分。
线性判别函数……其实它就是一个函数……以样本的数据为变量，根据函数值判断所属的类别。既然是线性，那末就可以用系数向量w（权向量）和变量加上常数维1形成的增广向量x的点积来表示，接下来就剩怎么找合适的w*了。
en gros，设出一个准则J＝J（w,x），对其进行优化，找出最优的w*，over。
不过具体来说，训练分类器的算法多如牛毛，都比较郁闷。总的来说流程都是：取样本->查判决函数值->修正权向量->再取样本继续……，它们的不同之处在于修正权向量的方式不一样，比如梯度法，牛顿法，感知器算法，HK算法，Fisher算法。各自评论：牛顿法优于梯度法，感知器是梯度法的特殊形式（固定增量），HK算法与感知器算法相比，HK算法能够监视迭代过程，发现线性不可分后可以自动退出迭代。
神经网络系统的东西比较orz，课上讲得不多，但是确实算认知科学里划时代的概念。(并且在看这部分的时候我突然对怎么改那篇sf有灵感了，^_^)这东西最强的优点就是并行处理和逼近非线性。关于神经网络我没懂太多东西，只知道是用多输入多输出且出入数据都是0，1的东西来模拟神经节（关于这个，万一理解错了我考试就真挂了……），然后就是一点拓扑学的东西，一直不懂。
还有个翻译特别搞：SVM＝支持向量机，法语翻译更强：séparateurs à vastes marges，这都哪跟哪啊……就为了凑首字母缩写……
April 12 毫无规律还是规律复杂混沌里有一个受驱转子运动的例子，相轨图非常复杂，完全看不出规律，但是用庞加莱映射取一个截面后，就显得简单很多，所以转子的相轨线虽然复杂，但也不是毫无规律的，而是有某种内在的规律在其中。 不过又想到了认知科学，机器认知停留在学习那些像缠乱了的毛线一样的相轨图这个层面上，即通过学习经验数据库，用概率来判断每一个新来的对象，对其分类（分类！维数已经由无限维降为有限维了！），而要到达“理解”的层面，需要类似庞加莱映射一样的思路，在把得到的简化了的“现象”用因果律跟最客观和直观的外界条件相联系，人脑的推理演绎能力就是这样的东西吗？（以前一直以为人脑和机器的差距在于直觉和情感的部分，但是即使不考虑这两项，人脑还是大大异于机器的，因果律啊因果律） 那个sf点子还不错，很有发展空间，可惜被我写毁掉了，sigh 非线性系统的平衡点问题学混沌的时候，又碰上非线性系统了。 当时自控里的系统稳定性判断和这里的平衡点稳定性本质都是很数学的，非线性系统的平衡点问题。无非是列出微分方程组，解特征方程，然后通过特征根实部的正负来判别平衡点的稳定性。虽然解法千差万别，ISA和混沌里的数学思想倒是一样的。自控里无数很工科的方法比如lieu d'evans图，（routh判据也是？）然后ISA里还有没有新的什么方法记不清了，混沌里倒是老老实实地在解方程组，（虽然这个方程组来得不容易，把任意一个非线性微分方程在平衡点邻域进行泰勒展开，然后忽略高阶，成为线性微分方程组，消元，得到线性微分方程），设出通解形式（直接说类似单摆？），带入，特征根lambda就能解出来了。然后根据根的虚实，正负分一大堆情况讨论。当然比较搞的是纯虚根情况。 最近在打认知科学的擦边球，模式识别和神经元网络什么的，发现机器认知的“黑盒子”属性跟我写的某sf思路很像嘛，不错不错，课上虽然什么没听懂但是竟然学到基本思想了，认知科学的奇迹啊……-__-|| April 02 站在四月看三月三月终于过去了，这个blog的封禁期也到了头。在四月的第二天重新开始记日志。 三月份过得真不容易，也有好多好玩的事情。 比如第一次去了opera的顶层听音乐会，透过弧形玻璃圆顶和玻璃幕墙清晰地看到外面好到绝赞的天气以及里昂的市政厅，山顶的圣母院，还有一大片老城区的红房子，听着五重奏的室内乐，果真是享受到极致的一个多小时。 再比如生平第三次到了巴黎，第一次到la defense，花掉一张华丽丽的天票，在巴黎郊区标致雪铁龙的两个点面试了两场，面试的人都蛮好的，气氛比较positive，第二场结束后不到二十分钟，我坐在la defense那个有名的新凯旋门的台阶上休息，第二场面的结果就出来了，RH的人打来电话说ok搞定。一时间感觉la defense那些高楼大厦也没有那么难看了…… 又比如那天晚上回来就去看了轰动全校的commuz，我们层的某人那天简直是明星啊，以至之后过了很久我们还在开他的玩笑，说要成立超级粉丝团。 还比如第一次看到了萨特著名的话剧《huis clos》，终于听到了那句有名的“他人即地狱”，我们去得比较晚，剧场里爆满，最后我们被安置在后面最靠边的座位上，不过效果依然很好，很震撼。 还比如合唱队最后一次演出，天气骤变，冷得不行，演出的教堂里学校又远，观众就那么稀稀拉拉的二十来个人，其中一半都是我们层的，很有面子，那天华丽丽的v2专场。 还比如合唱队的散伙饭，在老师家吃的，我们吃得太撑以至于后来想唱歌时发现换气非常困难…… 还比如三年级的几个朋友要走了，我们赶着抢时间在他们满是考试的最后一周里还腾出一个晚上一起聚了一次，饭局自然很开心，也没有伤感，真好。 还比如在club musique的音乐会上玩了一回，独奏梁祝的开场和华彩部分，还可以，虽然那天琴的音质实在不敢恭维，并且开头几小节我的手指又紧张得僵硬，那一段不忍卒听。不过最好玩的还是跟人合奏的卡农，我们是两把小提琴一支长笛，非常有意思。 最后比如java的东西终于开始有一点头绪了，可能快要入门了吧。 三月真的跟之前说的一样异常的忙和充实，不过好在活过来了，当然好多遗憾和后悔，混沌和分形几何学得乱乱的，什么都不懂，惭愧惭愧，要加油了。 |
|
|
