发帖数: 1 | 1 八十年代的时候
东北制造等同于高端产品
国营工厂里如果没有东北产的机床
就很难和高产高效企业挂上勾
东北生产的轴承是关内制造业的标配
就连结婚的时候
也得指定要大沈阳的红双喜高压锅
没这东西做聘礼
结婚就免谈
东北被称作共和国长子
很多人觉得这是夸奖
但是其实
你知道在传统社会中长子是什么？
就是家里面干活最多、
出力最多的那个
劳苦功高的角色
当这个家需要有人去做奉献的时候
毫无疑问就要他顶上去
到了60年代
中国受到核战争威胁
立即全面暂停东北线新建项目
压缩已有项目
同时开始大规模向内地三线
成套地转移工业体系
以便和世界霸权较量
于是，为了支援三线建设
东北贡献出了
政治最先进的干部
技术最优秀的工人
性能最好的设备
将近四成的产能
被抽调到内地
鞍山钢铁手把手地带起来攀枝花钢铁基地
长春汽车在湖北援建东风二汽
沈阳飞机工业的一帮人去了成都建立了成飞
也就是那个后来研制歼10、歼20的机构
东北的工业成果在内地一个个开花
但代价是把家底掏空了
失去了最好的发展条件
后来，国家搞开放
在中国其他省市搞产业迭代
但这就得融合国外的先进技术
而在当时的中国
没有外汇
也没有人才
怎么... 阅读全帖 |
|
w********2
发帖数: 16371 | 2 【 以下文字转载自 Stock 讨论区 】
发信人: slimcan (道指2万4千点), 信区: Stock
标 题: Facebook iOS新版开发手记：两倍速度的背后
发信站: BBS 未名空间站 (Thu Aug 30 03:43:20 2012, 美东)
尼玛就一个异步下载网页这个教科书的经典也他妈的拿来吹，看见facebook做的多烂。
现在的android客户端不停地crash.去死吧fb.
-------------
Facebook上周发布了新版iOS应用，号称速度提升两倍。Facebook工程师Jonathan Dan
在Facebook官方页面中撰文，介绍了新版iOS应用、Facebook iOS应用的发展历程以及
开发思路。《创事记》特选取此文编译，供移动应用开发者参考。
我们今天(编者注：8月23日)发布了新版iOS应用，速度更快、更可靠、更易用。这
款新应用标志着Facebook移动产品开发方式的转型，即深耕不同平台。为了便于你们理
解这一转型，让我们回顾移动版Facebook的发展历程。
起步阶段的Three20框架：技术过时首次弃用
早期的iPhon... 阅读全帖 |
|
j*****h
发帖数: 62 | 3 假如我现在有n个bit string. (每个string由m个非0即1的bit组成)。任意两个
bit string之间的距离定义为他们xor以后结果的bit string中出现1的次数。
多个bit string可以通过bit or操作聚成一个bit string cluster.请问如何
设计一个算法，给定n个这样的bit string，以及给定k个cluster数目限制，
找到最优的聚类，使得所有的n个bit string到他们各自的聚类以后，对应的
bit string cluster的距离之和最小。
我想到用bottom up的用贪婪算法heuristic。初始的时候，每个bit string代表一个
cluster. 然后每一步迭代，找出距离最近的两个cluster，or成一个新的
cluster,这样cluster数目减少一个。迭代直到cluster 总数等于k结束。
可是数学上我不知道如何证明这个算法得到的是否是最优解，如果不是，这
个approximation离最优解有多大差距。 |
|
r********n
发帖数: 7441 | 4 有啥特别的？feedback 不就是嵌套和迭代，大不了加上迭代中的概率转移 |
|
发帖数: 1 | 5 随着全栈工程师在求职市场越来越受到重视，很多人开始回顾全栈的发展历程，从而来
为我们今后的发展方向做准备。
我们可以从标志性事件来区分全栈的发展历史：
-2010年以前还没有全栈概念，只有比较简单的用PHP做页面时加上Server，或连上
MySQL，相当于今天的全栈开发，由于那时Web端和Server端技术水平限制，当时大家对
全栈开发并不没有很大兴趣。
-2010年开始云计算爆发，以AWS为代表的云计算使中小公司和个人开发者能够快速配置
环境，不需要自己架设服务器，把中小型开发者从冗长的配置过程中解放出来，专心集
中于核心业务代码。同时Python出现，使编码实现周期变短，NoSQL对前端数据有很好
的存储，非常方便配合AWS。这些技术的发展极大程度上解放了中小公司，促进了全栈
开发的产生。
另外随着2008年次贷危机影响消退，2010年经济逐渐复苏，很多小公司伴随云计算出现
，为全栈工程师提供了很好的就业环境。
-2015年是对整个CS行业都非常重要的一年，有三件标志性的大事发生
1.Node.js流行起来，从而使JavaScript成为一个全栈语言。之前单纯的前端语言可以
在后... 阅读全帖 |
|
m*****n
发帖数: 3644 | 6 亲身经历：
1，把绝大多数命令行前面加qui
2,如果是一些迭代运算，试运算时限制迭代次数。比如用一个变量控制，试运算全部选
10，正式运算全部选40
3，用双路cpu。双X2670 Xeon非常便宜，16核。如果需要，我有一对可以退给你。
4，对于stata科学运算，其他指标一样，仅仅i5 VS i7的区别，也就是hyperthread,基
本没有提高
5，优化算法。 |
|
E**********e
发帖数: 1736 | 7 最近用java 编了个newton raphson 的算法。 就是需要大量的2维矩阵/数组迭代。 原
始数据有150000x50。 发现迭代7,8次得到最优解需要有一分钟。如果用cross
validation ，再加个额外的30次cycle的话，那得要1个小时。 但是用python的numpy
pacakge要快点多。 当然下载所有2维数组计算，乘除， 加减，逆矩阵都是自己写的小
code， 都是用for loop。
请问怎样才能speed up。 |
|
y**b
发帖数: 10166 | 8 使用流迭代器是不是会快一些？通常一个一个push进容器的效率不如给出一个迭代器范
围。
ifstream in("your_file");
istream_iterator in_iter(in);
istream_iterator eof;
priority_queue pq(in_iter, eof);
当然your_class需要重载输入操作符>>
varialbe |
|
t*****s
发帖数: 416 | 9
码农之所以称之为码农，就是因为写的90%的代码都不涉及算法和理论。问题在于剩下
的10%往往是决定你系统性能的部分。
迭代代表的是一种逻辑模式。掌握模式带给你的是设计能力。不要因为高考大纲上没有
就觉得花时间理解这个东西是浪费时间。
何况迭代其实是常考题目。 |
|
z****e
发帖数: 54598 | 10 钛媒体 2015/03/24 11:54
不久前雅虎宣布将关闭拥有300多名员工的雅虎北京全球研发中心。据知情人士透露，
雅虎北京全球研发中心关闭后，近350名离职员工将得到“N+4”的补偿，还有少数员工
可能会被转移到美国总部继续进行研发工作。
根据相关消息，雅虎北京研发中心汇聚了350多名来自海内外的优秀技术人才。其中85%
以上的员工拥有研究生及以上学历，42%的员工来自中国排名前十的高等学府，20%的员
工都拥有海外留学背景。相关消息显示，雅虎北研的付费搜索团队（Sponsored search
team）、targeting workbench团队、Slingstone和Daily Yahoo团队都曾获得雅虎全
球“Super Star”大奖。而这些员工尽管从资历上看来优秀，却依然难逃被裁掉的命运。
而雅虎CEO玛丽莎-梅耶尔(Marissa Mayer)几乎每周三都会裁员。2008年至2012年的四
年间，雅虎裁员人数达到了6000人。而自2012年以后，雅虎已在其遍布的66个国家和地
区进行不断的裁员。裁员对于雅虎来说，已经是一种常态。
裁员背后，那些相似的情绪和面孔
雅... 阅读全帖 |
|
s********r
发帖数: 394 | 11 你说的确实是软件研发的常态，我们常接外包项目，深有同感，有些项目甚至做到一半
客户公司就倒闭了，这些超出技术的问题更是闹心。
我们的解决方案就是精简核心功能，迅速推出mvp，根据客户反馈来进行迭代，像一般
的erp，crm系统，第一版通常在2-3周由首席工程师写好，马上部署到prod server，同
时设好staging，之后迭代周期一般为2-3天。
这时候如果客户挂了，损失也很小。如果需求大变，也只是后端改写，前端设计和ios/
android工程师在前期根本不介入。用户反馈进来后才开始写测试脚本，这一阶段基本
前期所有代码都会大改和重写，但架构在首三周已经被搞定，这时候很容易就加进去辅
助人员，比如测试，前端，应用，数据库人员。
这样分阶段实施，阶段成果都是可验证的，每期收款也有依据了。
客户介入早要注意数据保护，因为数据表变动也很大，要保证数据表变化不能造成数据
损失
★ 发自iPhone App: ChineseWeb 8.7 |
|
t*****n
发帖数: 4908 | 12 来自主题: Programming版 - 今晚还编程 D语言架构师Andrei Alexandrescu谈D、Go、Rust取代C/C++
http://www.csdn.net/article/2015-12-20/2826517
摘要：哪种语言最可能替代C/C++？D、Go还是Rust？D语言的联合创始人、架构师
Andrei分别就三种语言的优缺点给出了透彻的分析。
【编者按】本文是D语言联合创始人、架构师Andrei Alexandrescu在问答Quora上关于
“在取代C语言的道路上，D、Go和Rust谁的前途最光明？为什么？”提问的回答，他从
自己的角度谈及了D、Go和Rust在取代C/C++语言的优劣势，以及这三种语言的未来。
以下为译文：
作为D语言的联合创始人之一，尽管我的身份来回答这个问题显得有点不合适，但是我
仍会尽可能客观地回答这个问题。我关注着Go和Rust的发展，同时我也知道D语言的缺
点。在Go和Rust社区中，我一直鼓励同行的朋友分享他们的真实想法，所以在这里也一
如既往。
首先，C++在这个问题上处在一个特殊的位置，无论它是否会像C一样被取代，亦或是成
为替代C的语言，C++都是程序语言领域中的一个关键部... 阅读全帖 |
|
a*f
发帖数: 1790 | 13 back propagation加上一个biaz输入能暴力拟合的原理是什么？training的过程感觉是
反复迭代，如果迭代结果和实际数据的均方差不收敛怎么处理？这种过程有没有数学手
段分析其有效性？ |
|
m******r
发帖数: 1033 | 14 果然是fp的大神， 佩服。
不过我还有些似懂非懂。 我原先的设想是，按照牛顿法，想把x_n --> x_n+1，就要按
照切线方向移动一段距离， 这段距离就是f/f' 这个没什么说的。如果你输入的g是个
简单函数，比如cos(x) - x或者5x +6, R要么像matlab一样做符号计算（matlab有个
toolbox, 你给他一个什么函数，他都能给你求导）， 要么用别的方法求导数， 反正
能算出个f', 然后就可以迭代了。
如果你给出g2 <- function(x){
cat(x, 'n')
cos(x) -x
}
R运行的时候，究竟怎么看这个g2 ? 他怎么知道第一行是打印？ 第二行是要求根的表
达式(函数)? 为什么第一行不能是你要求根的表达式?? 而且在以后的迭代中， R还能
‘记住’第一行和第二行分别是干什么的。
我是写惯了for loop, 看R竟然如此智能，很惊讶。 |
|
m******r
发帖数: 1033 | 15 大神再看看下面这13行， 这是干嘛呢？
remember <- function() {
memory <- list()
f <- function(...) {
memory <<- append(memory, list(...))
# invisible()
}
structure(f, class = "remember")
}
locs <- remember()
vals <- remember()
zero <- uniroot(tee(g,locs, vals) , c(-5,5))
以上代码的功能是把uniroot每次迭代的输入，输出保存到locs和vals里。
locs 和 vals既是函数，又是对象；既是S3 又是 ‘remember‘
不过locs和val是怎么保存迭代中间结果的， 我就一头雾水了， 虽说里面有个append,
可是它不需要任何参数吗？ append把中间结果x， 或者y保存到memory里面， 我看应
该有个参数才对。
uniroot |
|
J*******3
发帖数: 1651 | 16 打死也不换系统 笑谈过气的Windows XP
不久前，我曾劝告一个被Windows XP折磨得快疯了的朋友：“看看，你电脑动辄蓝屏假
死，发个邮件都要十分钟，还不趁早换个系统？”没想到她本人倒是挺想得开：“多麻
烦啊，而且我觉得XP还行，挺好用的！”真是怪哉，明明她前一秒还在抱怨，但一说换
系统却狠不下心了，这好像是很多XP用户的共同心态。据移动管理公司Fiberlink的统
计数据显示，目前世界上有一半的笔记本电脑仍搭载着XP。这款拥有十年历史的系统，
为何至今还拥有这么多忠实粉丝？这些人为什么不换用体验更好的Win8呢？难道只是因
为怕麻烦么？
现状：Windows XP统治二三四线城市
国庆期间我去南方某个县城探亲时，发现家里的亲戚至今还在用XP系统。我问她为什么
不升系统，她说：“没必要啊，我平时只是逛淘宝、看视频、聊QQ，XP够用了。”“你
不玩游戏吗？”“玩游戏只玩QQ游戏啊，斗地主什么的，我身边的朋友都这样。”（注
：她的浏览器是360浏览器）
之后我逛遍县城，发现大大小小的网吧、大头贴店、饭馆、照相馆……果然都在用XP系
统。对于那些平时不玩大型游戏的用户来说，XP已... 阅读全帖 |
|
发帖数: 1 | 17 数字化、智能化、联网：寻找碳基生命的硅基未来
2017-06-07
“一旦计算机可以学习，整个世界都不一样了。”在不久前的“慈善+”2017跨界公益
论坛上，致力于把管理健康的权利还给每一个人的碳云智能创始人兼CEO王俊，向在场
观众构筑了一条碳基生命通往健康未来的硅基之路。
他认为，生命本身其实是一个学习系统，数字化、智能化、联网，将是未来碳基生命最
重要的发展方向，碳云智能要做的，就是构建一个生命的学习系统，从个体学习起，最
终帮助每个人管理自己的数字生命。以下为王俊演讲实录：
一只七星瓢虫引发的思考
这件事情要从我在北大上本科时讲起。这是我在北大的本科毕业论文，那是92年的时候
，25年前，个人计算机刚刚发达，所有人都把计算机当成一个大型的计算器。在那个时
候，我们在思考一个问题，我们想能不能做一个机器，模拟生物学的一些行为？我当时
本科论文做的是关于机器瓢虫的，自然界里面，蚜虫在一片叶子上是集团分布的，瓢虫
吃蚜虫时先开始随机行走，碰到食物之后不断转圈，直到把食物吃完，又继续随机行走
，这是自然界捕食行为的模式。
能不能在不告诉计算机的情况下，让计算机自己学会这样去吃食物？当时... 阅读全帖 |
|
s******y
发帖数: 17729 | 18 【 以下文字转载自 JobHunting 讨论区 】
发信人: snowyday (买买提Fuckty), 信区: JobHunting
标 题: 千老和马工都是最悲催的工作没有之一
发信站: BBS 未名空间站 (Fri Sep 15 16:14:56 2017, 美东)
有人看到这个标题一定会骂，你丫有病吧，这俩东西是一样的吗？
好像一个地下一个天上，两者完全不相干
别急听我慢慢说，是一样的，没看错，真的就是俩最悲催的工作没有之一，高度相似性
。
按照现在的社会体系，正常的行业或者工作，无一例外都是随着年龄经验值的增加，从
业人员的地位收入相应的增加。
经验性的工种不说了，上到医生，下到修车的
老师傅都是受尊重的
一方面是他们确实能handle的复杂情况多，一看一听描述就能迅速确定问题
另外一方面，更主要的是，正常行业有一定的规矩和套路在里面。老人压榨年轻人，是
不成文的潜规则。即使老家伙啥也不懂了，知识体系过时了，但是他们身居要位，手头
有资源。
这就是为啥老眼昏花的老师傅，或者啥球不懂的老教授，老干部，老xx他们能拿的多。
因为整个社会都是这样运作的。
千老和马工，这两个工种... 阅读全帖 |
|
F******n
发帖数: 160 | 19 关于分形维数和测度的基本数学理论，我有几个问题：
问题1。
关于 "Hausdorff dimension" ( dim(F) ), "packing dimension" ( Dim(F) ) 和
"Minkowski-Bouligand dimension" ( dimMB ) ：
知道： dim(F) <= Dim(F) <= dimMB ；
定义这三种维数的基本思想和出发点是什么呢？我的书中有简短的论述，
但是太简短。
问题2。
问题1中定义的三种维数，和最基本的重复迭代系统中计算维数的方法，有何联系或
不同？ “最基本的重复迭代系统中计算维数的方法”是指， 比如说，对康托集 (Cantor
set), 维数 d = log2/log3 = 0.63.... , 又如，Koch curve, 维数
d = log4/log3 = 1.26...
附带问一下，问题3。
“Standar Lebesgue Measure” 是个什么测度？(Anyway, 这是个次要的问题)
请详细一点解释，Thanks much! |
|
p*****g
发帖数: 7 | 20 问一个计算内存太大的问题。
做反演计算，需要迭代一个数组x, 每次迭代需要用到一个矩阵A， 这个A很大，我只储存
它的非零成分，但是光是非零成分， 1G的内存就太小，所以现在只能是一段段写到硬盘
，再读出来算，这样相当于把硬盘当内存，速度奇慢。
程序是用FORTRAN写的，读写是unformmated， 请问有没有什么办法加快。 |
|
n****w
发帖数: 8 | 21 最近看Kalman filter,觉得和EM算法很相似:
EM算法有
E步骤：estimate the expected values
M步骤：re-estimate parameters
迭代使用EM步骤，直至收敛
Kalman filter也是有time update和measurement update两个步骤
不断迭代直至收敛.
那在应用方面有什么区别吗? |
|
k***e
发帖数: 556 | 22 一直很想知道。我估计是用某些收敛比较快的迭代算法。那么一般计算一个值要迭代多
少次呢？是不是float和double对速度也会产生影响？
谢谢！ |
|
k*********g
发帖数: 791 | 23 并行计算
并行计算在科学、工程计算中是不可或缺的。通常人们认为，并行计算的瓶颈在于如何
实现不同处理器之间数据通信的时间远少于在当地处理器上的计算时间。本人的数值实
验和经验表明，这个根本不是并行计算的最大难点，这个其实这个很容易实现。假设我
们解决一个2维问题，N为一个方向上的未知数，把2维区域分成m^2个模块，每一个模块
由一个处理器管理。那么当地的计算量和N/m的平方成正比，而数据交换只跟N/m成正比
。对于典型的并行计算问题来说，N远比m要大，故通常的担忧、观点是偏颇的，没有抓
住问题要害。
数值实验表明，已经解决了人们关心的那个所谓瓶颈问题的现有软件的并行效果没有一
个是理想的。本人的研究表明，并行计算的瓶颈是，并行过程改变了原先的单处理器计
算的迭代结构，这种改变通常是往不利的方向改变的，并且跟处理器之间的数据依赖程
度有关，数据依赖程度越高，迭代的恶化程度越厉害。在有限元中，外来处理器在当地
处理器的渗透程度很高，而在谱元法中，外来处理器只允许影响本地处理器最表面的一
层。本人曾经的实验室同事的数值实验表明，谱元法能达到前所未有的并行效果。 |
|
k*********g
发帖数: 791 | 24 世界上目前已有的相关软件，主要建在“有限元法”和“有限体积法”两种数值方法上
。有限元法以拉格朗日函数为基函数，方程的加权积分形式在一个区域内满足，产生的
矩阵有很大的带宽，方程迭代求解过程非常慢。有限元使用了强大的高斯积分，但只是
局部过程中用来计算积分而已，高斯积分的潜力远远没有充分发挥出来。有限体积采用
泰勒多项式（和拉格朗日函数的效率大致相仿），方程最终在一些离散点上满足，就矩
阵带宽来说性很好，但不够优化、从而效率不够高，并且对复杂几何处理能力不如有限
元，升级为高精度版本很不容易（效果也大大降低，后面详述）。差分法在复杂几何处
理上必须采用功能很局限的结构化网格；边界元法只能应对线性微分方程（零阶导数项
也必须线性），而且其“稠密影响矩阵”造成的效率上的降低远远大于在处理3维问题
时的“降维”带来的效率上的提升；这两种方法都无法胜任通用软件业。本软件将是谱
元法的世界首次使用。谱元法采用正交、完备的契比雪夫多项式，方程的加权积分形式
在高斯积分点上满足，高斯数值积分贯穿整个数值过程，与契比雪夫多项式的正交性实
现完美的结合，两者的潜力都得到了充分发挥。谱元法形成的离散方程系... 阅读全帖 |
|
k*********g
发帖数: 791 | 25 来自主题: Computation版 - 并行计算 并行计算
并行计算在科学、工程计算中是不可或缺的。通常人们认为，并行计算的瓶颈在于如何
实现不同处理器之间数据通信的时间远少于在当地处理器上的计算时间。本人的数值实
验和经验表明，这个根本不是并行计算的最大难点，这个其实这个很容易实现。假设我
们解决一个2维问题，N为一个方向上的未知数，把2维区域分成m^2个模块，每一个模块
由一个处理器管理。那么当地的计算量和N/m的平方成正比，而数据交换只跟N/m成正比
。对于典型的并行计算问题来说，N远比m要大，故通常的担忧、观点是偏颇的，没有抓
住问题要害。
数值实验表明，已经解决了人们关心的那个所谓瓶颈问题的现有软件的并行效果没有一
个是理想的。本人的研究表明，并行计算的瓶颈是，并行过程改变了原先的单处理器计
算的迭代结构，这种改变通常是往不利的方向改变的，并且跟处理器之间的数据依赖程
度有关，数据依赖程度越高，迭代的恶化程度越厉害。在有限元中，外来处理器在当地
处理器的渗透程度很高，而在谱元法中，外来处理器只允许影响本地处理器最表面的一
层。本人曾经的实验室同事的数值实验表明，谱元法能达到前所未有的并行效果。 |
|
c*******h
发帖数: 1096 | 26 快慢都是相对规模而言的
一个n乘n的密矩阵跟一个n平方乘n平方的疏矩阵比前者未必解得慢，虽然两者非零元素
差不多
就算两个矩阵大小一样，同样用迭代，性质好的密矩阵往往比性质差的疏矩阵收敛来得
快,
取决于preconditioner，也取决于矩阵乘向量能有多快。再说，解大规模矩阵不仅迭代，
还可以有很多方法
对自己领域有高屋建瓴的能力很好，不过看不到其他领域而过度总结的话就不好了。。。
1
metric |
|
w***s
发帖数: 2658 | 27 我来给个摘编：
大数据系统的核心主要是分布式处理框架，因为框架负责工作（job ）执行的方方面面
，如工作分解、任务（task）调度与执行、错误容忍、数据流等等。这其中重要的早期
工作是Google的MapReduce框架，它将函数式编程思想引入到分布式数据处理中，仅仅
依托两个函数（map和reduce）不仅解决了一大类的大数据批处理问题，而且用户也再
也不用担心分布式带来的诸多系统层面问题。不过MapReduce缺点也很显著，比如处理
流程过于固定，不支持迭代，工作执行时间一般较长，等等。Hadoop是MapReduce的开
源实现，在国内很流行，而且在08年的时候赢得了TeraSort的冠军，所以市场很蔓延，
形成了庞大而臃肿的生态圈。此后，微软在08年推出了与 MapReduce直接竞争的Dryad
，以DAG型的数据流取代了MapReduce固定的数据流，更复杂但功能更强。09年出现的
DryadLINQ将更多的函数式思想（主要来源于C#的LINQ）引入到分布式编程范型中，这
些即使在今天看来也很先进。再此后Spark出现了，Spark最大的特点在于她的数据模型
采用RDD，... 阅读全帖 |
|
c*******h
发帖数: 1096 | 28 现在设计了一个固定点迭代的算法，在作收敛性分析
大概会沿着 |f(x1)-f(x2)| <= d * |x1-x2| 这个方向去思考
现在我比较肯定的是 d<1 是不可能的了，不过或许可以找到一个比较大的 d
不过我对固定点定理没作过深入的学习，了解不多
想请大家随便讲讲，当是带我入门
例如固定点的存在性唯一性，迭代的收敛性，一些定理啊，书啊，期刊啊什么的
还有就是搜到一些名词，有nonexpansive，pesudocontractive等等，
有什么内涵，怎样去理解
反正大家知道啥随便说两句，谢谢 |
|
C********n
发帖数: 6682 | 29 ....
到现在为止，对哪怕很简单的迭代算法的误差估计都没有一般办法
说白了就是大部分迭代的数值算法你都不知道收不收敛，几千圈根本不能说明任何问题
你如果能在40岁以前解决这个问题，fields估计是跑不了的，wolf估计也是有戏的 |
|
c*******v
发帖数: 2599 | 30 楼主对冯讲的话不敏感。或者说听不懂冯的话。
现如今的数学，太阳，月亮，地球的三体系统，
有严格误差收敛分析的摄动计算只能做到千年数量级。
如果谁能把三体摄动计算的精度提高一个数量级，
那绝对是可以和KAM相提并论的巨大理论突破，可以青史留名了。
Fields,wolf之类的奖压根不算啥。
其实别说一般的三体了，就是把太阳，月亮，地球的具体数字带进去，
对这个非常具体的问题，弄出来个预测时间提高一个数量级的严格算
法(到万年尺度)，那也是非常惊人的结果了。
几亿次迭代表现仍然很好的迭代算法，
用来说明计算中的某些特殊现象，我觉得是非常合适的。
因为这肯定比较特殊，背后肯定有什么原因。
冯举这个例子应该是打算用来说明什么问题。
楼主怎么这么固执。冯康绝对就是拿这个东西做报告的引子切入话题罢了。为什么画圆
？因为辛几何算法关心的是对天体运动的计算，天体轨道就是圆了巴积的。为什么画那
么多圈？因为天体计是非常长时间的。从这个“据说”来看，该报告的听众可能并不是
专业人士，所以冯康拿一些简单东西来引出/说明问题更是非常合理的。
天体运动只是辛几何算法的例子之一吧。
|
|
h**********c
发帖数: 4120 | 31 我记得你这好像是一个计算机公司招人的题，
纯数学的办法我不太会
我想用计算几何的方法是可行的，那么就是迭代，
椭圆
y' = -bx/(ay)
与相切
那么
-bx/(ay)*(y-y_0)/(x-x_0) = -1, this is the objective
先初步判断p在那个相限
e_1, e_2 be the bases of 2d space.
先取e_i = (e_1+e_2)/2
normalize e_i, 沿e_i可以找到一个椭圆上的点q_i 和q_i'。
q_i' 和 vector pq_i 的夹角可以用dot product 来算，
那么迭代就有了方向,
e_i = (e_{i-1}+e_{i-2})/2 (向量和）
这应该相当于一个binary search, O(ln(n)),应该算一个方法不用解quadratic
如有错误，望指教 |
|
h****l
发帖数: 7290 | 32 还不是跟原来一个意思，不就是迭代解偏微分方程么？
多数时候是会发散的，这个一点都不奇怪，因为显式
的迭代方法收敛条件比较苛刻。 |
|
q*d
发帖数: 22178 | 33 naively构造一个迭代:
Xn+1=-B^(-1)[AXn^2+C]
迭代求解 |
|
M****i
发帖数: 58 | 34 一个简单算法是在平面上随便找一点x_0作为初始迭代点，然后找到数据点中到x_0距离
最远的那个点y_0（这个点不唯一时随便取一个就行），然后从x_0出发沿着连接x_0和y
_0那条线段走一段距离t_0到达下一个迭代点x_1，然后重复以上步骤即可。可以证明，
当每次走的步长(t_k)_k所成的级数\sum_{k=0}^{\infty}t_k发散但是平方收敛时（比
方说可以取t_k=1/(k+1)）该算法最后收敛于数据点的minimax center。这个算法在黎
曼流形上也是成立的，只是步长与流形的曲率上界和下界有关。有兴趣的话可以看看下
面的文章：
http://hal.archives-ouvertes.fr/index.php?halsid=1ka58mlobsd187 |
|
M****e
发帖数: 3715 | 35 把b拆成列向量 每个单独用迭代
sparse矩阵的线性方程迭代算法wiki上有应该介绍一些吧 |
|
M****e
发帖数: 3715 | 36 把b拆成列向量 每个单独用迭代
sparse矩阵的线性方程迭代算法wiki上有应该介绍一些吧 |
|
s***e
发帖数: 911 | 37
可以改写系统为d(i)=(1/b)*d(i-m)-(a/b)*d(i-m-1). 所以这个系统能够自我
叠代的第一个点是:
d(m+1)=(1/b)*d(1)-(a/b)*d(0);
以下是:
d(m+2)=(1/b)*d(2)-(a/b)*d(1)
....
d(2m+1)=(1/b)*d(m+1)-(a/b)*d(m)
所以为了让这个系统运转起来,你需要给定m+1个初始条件:
d(0),d(1),...,d(m)
是m+1维的系统.
这种系统其实是一维延时迭代, 数学上相当于高维叠带. 迭代矩阵(m+1维)很简单.所以
你期望由d(0)决定系统是不可能的, 必须由d(0),d(1),...,d(m)决定. |
|
s***e
发帖数: 911 | 38
首先计算机是无法产生不"伪"的随即数的. 这里的伪是指同样的初始值迭带
同样次数一定会得到同样的结果, 也就是一样的初始值值对应的迭代轨道相同.
但是这个"伪随即数"并不是指该随即数序列不够"随机". 实际上所有的随机数序列
都有一个特点, 都对初始值具有极端的敏感性. 实际两个不同的叠代轨道序列
统计上是无关的. 对给定的迭代序列进行统计分析, 也可以得到相当满意的统计
特征.
现在最常用的算法recipe上提供了子程序. 你需要的是一个uniform分布的随机
数, recipe里名字叫ran2. 你若需要fortran子程序,我可以寄给你. |
|
r****y
发帖数: 1437 | 39
我上文说到的那个迭代次数几乎独立于矩阵大小的是专指对Toeplitz矩阵,
加上circulant矩阵的preconditioner. Toeplitz矩阵指任何一个对角线上的所有元素
都相等的对称矩阵, circulant矩阵的就是轮换矩阵. 对于一个Toeplitz矩阵,
构造相应的circulant矩阵(比较流行的有两种方法), 然后进行迭代, 试验不同大小
的矩阵, 就可以看到上面的结果. 我对这个的了解来自上个学期做的term project,
觉得这个preconditioner很有意思. 你可以自己试一下, 找任意circulant矩阵C,
任意相应大小的矢量v, 假设C的第一列是c1, 那么
fc1 = fft(c1)
temp = fc1*v*fc1'
vc = ifft(temp)
可以证明 vc = Cv, 这里fft, ifft 对应快速Fourier和反Fourier变换.
至于CG和preconditioner的书, 我想CFD的并不是最好的, 还是看那些专门 |
|
F******n
发帖数: 160 | 40 关于分形维数和测度的基本数学理论，我有几个问题：
问题1。
关于 "Hausdorff dimension" ( dim(F) ), "packing dimension" ( Dim(F) ) 和
"Minkowski-Bouligand dimension" ( dimMB ) ：
知道： dim(F) <= Dim(F) <= dimMB ；
定义这三种维数的基本思想和出发点是什么呢？我的书中有简短的论述，
但是太简短。
问题2。
问题1中定义的三种维数，和最基本的重复迭代系统中计算维数的方法，有何联系或
不同？ “最基本的重复迭代系统中计算维数的方法”是指， 比如说，对康托集
(Cantor set), 维数 d = log2/log3 = 0.63.... ; 又如，Koch curve, 维数
d = log4/log3 = 1.26...
附带问一下，问题3。
“Standar Lebesgue Measure” 是个什么测度？(Anyway, 这是个次要的问题)
请详细一点解释，Thanks much! |
|
o******6
发帖数: 538 | 41 ☆─────────────────────────────────────☆
nephow (湘) 于 (Tue Jan 27 17:13:09 2009) 提到:
最近看Kalman filter,觉得和EM算法很相似:
EM算法有
E步骤：estimate the expected values
M步骤：re-estimate parameters
迭代使用EM步骤，直至收敛
Kalman filter也是有time update和measurement update两个步骤
不断迭代直至收敛.
那在应用方面有什么区别吗?
☆─────────────────────────────────────☆
drburnie (专门爆料) 于 (Tue Jan 27 18:01:49 2009) 提到:
... ...
☆─────────────────────────────────────☆
bignamehyp (bignamehyp) 于 (Tue Jan 27 18:25:48 2009) 提到:
.......
☆───────────── |
|
w***s
发帖数: 2658 | 42 我来给个摘编：
大数据系统的核心主要是分布式处理框架，因为框架负责工作（job ）执行的方方面面
，如工作分解、任务（task）调度与执行、错误容忍、数据流等等。这其中重要的早期
工作是Google的MapReduce框架，它将函数式编程思想引入到分布式数据处理中，仅仅
依托两个函数（map和reduce）不仅解决了一大类的大数据批处理问题，而且用户也再
也不用担心分布式带来的诸多系统层面问题。不过MapReduce缺点也很显著，比如处理
流程过于固定，不支持迭代，工作执行时间一般较长，等等。Hadoop是MapReduce的开
源实现，在国内很流行，而且在08年的时候赢得了TeraSort的冠军，所以市场很蔓延，
形成了庞大而臃肿的生态圈。此后，微软在08年推出了与 MapReduce直接竞争的Dryad
，以DAG型的数据流取代了MapReduce固定的数据流，更复杂但功能更强。09年出现的
DryadLINQ将更多的函数式思想（主要来源于C#的LINQ）引入到分布式编程范型中，这
些即使在今天看来也很先进。再此后Spark出现了，Spark最大的特点在于她的数据模型
采用RDD，... 阅读全帖 |
|
d****n
发帖数: 12461 | 43 那我们搞个更加实际的问题吧，不用迭代，但是相邻node的数据之间有correlation，
而且这个correlation随着node的距离增加而递减。
例如就说twitter上的trending top 10 topics吧，我不仅想研究全世界和全美的
topics，也想研究例如美国东部，南部，西部地区的topics，还有不同城市的topics。
例如讨论湾区的topics，是不是在南湾的也要算一点啊，是不是在加州的都要算啊？是
不是德州的同志也很关心加州的事情啊...
所以假如需要局部迭代的情形怎么解决呢？ |
|
m*********u
发帖数: 1491 | 44 "如果你聽到大數據、雲計算，你要盡可能的逃離，這多半都是騙人的，能跑多遠跑多
遠。..."
硅谷創投教父彼得-蒂尓:創業應始於壟斷小市場
http://finance.sina.com/bg/tech/sinacn/20150226/01491215384.htm
新浪科技訊 2月26日下午消息，由黑馬學院主辦的2015創投極客論壇在北京舉辦。《從
0到1》作者、有“硅谷創投教父”之稱的彼得-蒂尓（Peter Thiel）作了題為《投出偉
大企業的秘密是什麼》的主旨演講，分享了創業公司怎樣成功，以及應該投資怎樣的創
業企業的秘訣。
在他看來，只有自身具備獨特性的企業，才能成功，特別是科技企業，只能成功一
次，之后再去重覆模式是不能成功的。
提到創業公司如何從0到1，彼得-蒂尓表示，創業公司需要從小市場切入，迅速獲
得壟斷，最關鍵的不是市場的規模大小，而是你所占市場份額的大小。他以paypal為例
具體闡述了該理論，當然，如果投資也應該投類似的公司。
以下是彼得-蒂爾的演講實錄：
創業別模仿他人 要有獨特性
非常感謝剛才對我的介紹，過獎了，我非常容幸來到北京和大家分享一些我在過去
這些年... 阅读全帖 |
|
z****8
发帖数: 13 | 45 特征工程简介
原文链接：
http://mp.weixin.qq.com/s?__biz=MzIzODExMDE5MA==&mid=403826129&
（I）特征工程可以解决什么样的问题？
特征工程是一个非常重要的课题，是机器学习中不可缺少的一部分，但是它几乎很少出
现于机器学习书本里面的某一章。在机器学习方面的成功很大程度上在于如果使用特征
工程。在机器学习中，经常是用一个预测模型（线性回归，逻辑回归，SVD等）和一堆
原始数据来得到一些预测的结果，人们需要做的是从这堆原始数据中去提炼较优的结果
，然后做到最优的预测。这个就包括两个方面，第一就是如何选择和使用各种模型，第
二就是怎么样去使用这些原始的数据才能达到最优的效果。那么怎么样才能够获得最优
的结果呢？贴上一句经典的话就是：
Actually the sucess of all Machine Learning algorithms depends on how you
present the data.
—— Mohammad Pezeshki
直接翻译过来便是：事实上所有机器学习算法上面的成功都在于你怎么样去展示这些数
... 阅读全帖 |
|
u***************r
发帖数: 11227 | 46 发信人： caiyunzhinan(去大理), 信区： CellularPlan
标题： 以苹果为首的品牌正在掀起二手手机“第二春”？
发信站： BBS未名空间站(Wed Jul 26 10:31:12 2017,GMT)
每年几十场的手机新机发布会总是格外抢眼，各种品牌也总喜欢在大促后炫耀自己的出
货量，但有数据表明二手手机的受欢迎程度也在逐渐升高，市场正在升温。据回收宝
2017年Q1季度手机回收大数据报告显示，从2016年Q1到2017年Q1，每季度回收量呈现稳
定增长趋势。
市场升温，二手手机迎来“第二春”
从数据来看，二手手机越来越受欢迎已经是板上钉钉的事，众多利好因素正在促成这一
市场规模的扩大。
其一，年轻人换机周期缩短，高性价比成二手手机标签。据转转联合手机中国发布的《
国人换机大调查》显示，在90后之中，一年以下换机一次乃至两次的人群占比明显高于
其它年龄段。年轻人喜欢炫酷，追求时尚新潮，不能容忍电子设备的落伍，他们中有甚
者逢新必换。而作为时下手机消费的主力人群，他们的主动换机导致新机迅速变旧，在
流向二手市场后也更具交易空间。
与此同时，报告还指出，月薪10k-1... 阅读全帖 |
|
W*********n
发帖数: 1694 | 47 当然不用了，您尽管悲愤好了
我只是看你还有点本事，会积分还会迭代，何必呢 |
|
W*********n
发帖数: 1694 | 48 海公公就是那樣的。以前在老家是個“高材生”，出來混的人模狗樣的，心裡不平衡。
裝瘋賣傻，覺得自己比菌斑的垃圾高一個檔次，實際是還不如。
你不要理他。讓他平靜下來好好算他的積分迭代吧 |
|
