posts - 195, comments - 34, trackbacks - 0, articles - 1

 图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室(JPL)。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术,如几何校正、灰度变换、去除噪声等方法进行处理,并考虑了太阳位置和月球环境的影响,由计算机成功地绘制出月球表面地图,获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理,以致获得了月球的地形图、彩色图及全景镶嵌图,获得了非凡的成果,为人类登月创举奠定了坚实的基础,也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术,如对火星、土星等星球的探测研究中,数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置,也就是我们通常所说的CT(Computer Tomograph)。CT的基本方法是根据人的头部截面的投影,经计算机处理来重建截面图像,称为图像重建。1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。1979年,这项无损伤诊断技术获得了诺贝尔奖,说明它对人类作出了划时代的贡献。与此同时,图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就,属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等,使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展,从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界,这被称为图像理解或计算机视觉。很多国家,特别是发达国家投入更多的人力、物力到这项研究,取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论,这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展,但它本身是一个比较难的研究领域,存在不少困难,因人类本身对自己的视觉过程还了解甚少,因此计算机视觉是一个有待人们进一步探索的新领域。

      图像处理主要研究的内容有以下几个方面:

1) 图像变换由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。

2) 图像编码压缩图像编码压缩技术可减少描述图像的数据量(即比特数),以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。

3) 图像增强和复原图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立"降质模型",再采用某种滤波方法,恢复或重建原来的图像。

4) 图像分割图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。因此,对图像分割的研究还在不断深入之中,是目前图像处理中研究的热点之一。

5) 图像描述图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性,一般图像的描述方法采用二维形状描述,它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。随着图像处理研究的深入发展,已经开始进行三维物体描述的研究,提出了体积描述、表面描述、广义圆柱体描述等方法。

6) 图像分类(识别)图像分类(识别)属于模式识别的范畴,其主要内容是图像经过某些预处理(增强、复原、压缩)后,进行图像分割和特征提取,从而进行判决分类。图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

 

                                                                            




时域、频域、时频分析与数学分支简介




不论从时域、空域还是从频域来对某一系统进行描述,本来就是一个角度问题,从任何一个域来看都可以给出某种正交完备描述。具体来说,不论是注重粒子性的泰勒展开、还是注重波动性的傅立叶展开,各种正交完备函数族的展开式不过是特定角度的分析,但每一个分析方法都是完备的,能描述宇内宙中一切可能变化性态,而且各分析方法间具有某种变通和映射关系(如傅立叶正逆变换,正逆变换合为一很可能就是双s太极,其中的2п因子是因为整体性圆的缘故),只是描述角度和描述方法的不同,其中所蕴含的系统总能量和总信息量是完全守恒和等价的(如在傅立叶积分变换中有巴塞瓦尔定理保证能量守恒)。

  需要指出的是,在傅立叶分析中实部部分对应实物质,虚部部分对应虚物质,它们分别按照一定实虚配比(体现为复相角,对应功界所说“性”)和能量(体现为模,对应功界所说“命”)分布于不同频率上,形成全频谱分布结构(若各频率分量等能量等幅分布,在一维情形整体叠加为时不变常数信号,则为“入道”),这和用随时间或空间坐标变化函数的规律描述形式虽然是完全相通的,在本质上都是从不同角度对变化的描述,但前者由于波动的全域特性,从而更容易体现实空间(非相空间)规律的“整体性”,因此更符合东方传统认知习惯,形成幻假幻真的全频谱波象空间规律的描述。

  实际上频谱的分析对应另一套完备的对于世界存在及其演化规律的分析方法(如功修中可能出现的频谱变化,特别是频谱切换和频谱反转现象),各级频谱的交参变化可以解释时间本质(本来并没有时间,时间是频谱扰动变化所造成的假象),只有将两种分析方法互补结合,认识才能更全面,从而正交超越真假分别剖判进入无界域而直参当下(正交的概念最初来源于直线或平面的垂直,比如如果一条直线垂直于一个平面,则该直线垂直于平面内的所有直线,也可以说与平面中所有直线正交,互不存在投影分量;又比如空间直角坐标系三条坐标轴在原点处两两互相正交,人体也可能存在着互相正交的三轴,也有原点),体证真空妙有。

  回顾数学发展的历程,在上一世纪的数学家们所孜孜不倦追求的是:数学理论的完美性和数学应用的广泛性。在这两个项目的追求上,数学理论的完备完美性已经不成问题,而对于应用的广泛性,现代分析学的两个分支,即上世纪初创立的泛函分析学和近些年发展起来的小波分析学取得了突出的成就。由希尔布特亲自奠基的泛函分析学,综合的运用了几何学、代数学和分析学(泰勒展开微积分)的观点和方法,统一的处理和论证了许多数学分支的一系列问题。20世纪的分析学开拓了一个又一个新的领域,除了泛函分析外,还有数值分析、傅氏分析、样条分析和小波分析等,今天,现代分析学这个数学面向应用的广泛性的数学分支已经成长为一株枝繁叶茂的大树耸立于学科之林,其中小波分析由于吸取了众多分支的精华并包罗了它们的许多特色,将会是这株大树的主干。小波变换来源于信号分析,是在傅立叶变换的基础上发展起来的。

  我们知道,自然界存在各种时间或空间上的周期性现象,在各种各样错综复杂的周期信号中,类似简谐振动的周期变化是最简单的,根据傅立叶级数的研究可以知道,任何周期性现象,不论其周期循环部分表述多么复杂,都可以进行傅氏级数展开而表示成无限多正余弦简谐函数和的叠加,其中各频率分量为某一基频的整数倍(整数取值从0至无穷大)。特别值得指出的是,正余弦函数是圆函数,与圆的关系极为密切,而傅里叶变换乃是将傅立叶级数展开一直推广到一般函数(其周期为无限大,相对应基频变为频率微元----无穷小频率),对于不满足傅里叶级数展开条件的(具有有限个第一类间断点,在无穷大区间上绝对可积)信号分析,则引入狄拉克广义奇异函数(虽然其引入在表面上看来有些牵强,但在自然界中真实存在该类函数所描述的现象,描述的是瞬时过程或点采样,而且也可以无矛盾的纳入数学分析体系,数学分析体系是一个逻辑上自洽完备统一而又自圆其说的理论体系),最后使得傅立叶分析完备起来。而小波分析是傅立叶分析的进一步深入,其主要特征是可以进行多尺度分析与时频结合分析(可以从不同尺度上同时考虑时间和空间看同样一个信号),已经广泛应用在工程实践中。

  随着计算机在科学计算领域里的广泛应用,数值计算与分析也作为一个特殊的数学分支而迅速发展起来,很多用传统解析方法难以求解的非线性方程,现在可以用计算机求得其数值解,并进一步研究其存在、演化和作用规律,直接推动了非线性科学的长足发展。在非线性科学所属的混沌、分形科学研究中,多项式方程解的分形流域边界问题是一个很重要的课题。运用群论知识可以证明(群论在前沿物理对称性理论和量子化学配位理论研究中具有重要地位),5阶和5阶以上的多项式方程无求根公式(人们感知空间知是四维空间的一部分,可能是镶嵌于四维空间中的维数大于3的分形空间),因此对于这些多项式方程求解必须要通过数值方法来完成。其中,比较常用的方法就是牛顿迭代法,由于迭代初值的选取是任意的,通过有限次迭代具体收敛到哪一个根(通过数学学习我们知道,在复数域中,一次多项式方程有一个根,2次有两个根,3次三个,。。。n次n个。。。),是迭代流域研究所关注的问题,科学家进一步细化发现,这些边界是模糊的,具体来说其初始值迭代边界具有模糊、对称和分形特征。这里边隐含的哲学含义很深刻,多项式的解对应整体多项式值为0的点,且都均匀对称分布于一个圆周上(还可以一阶通变矩阵---雅可比矩阵的特征值联系起来,复数根对应波动,这是体外话),是整个多项式迭代动力系统中的不动点(奇异点),整体迭代流域对复平面的分割是常空间和分形空间的整体统一,对于研究宇宙时空结构将非常具有启发意义。

posted @ 2008-11-26 16:36 小强摩羯座 阅读(948) | 评论 (0)编辑 收藏

[转帖] 二十世纪十大算法
2008-10-12 11:03

二十世纪七大算法:
1946年 蒙特卡洛方法;
1951年 矩阵计算的分解方法;
1959~1961年 计算矩阵特征值的QR算法;
1962年 快速排序算法;
1965年 快速傅利叶变换算法;
1977年 整数关系探测算法;
1987年 快速多极算法。

下面是二十世纪最好的十大算法:

20世纪最好的算法,计算机时代的挑选标准是对科学和工程的研究和实践影响最大。下面就是按年代次序排列的20世纪最好的10个算法。

1. Monte Carlo方法
1946年,在洛斯阿拉莫斯科学实验室工作的John von Neumann,Stan Ulam和Nick Metropolis编制了Metropolis算法,也称为Monte Carlo方法。Metropolis算法旨在通过模仿随机过程,来得到具有难以控制的大量的自由度的数值问题和具有阶乘规模的组合问题的近似解法。数字计算机是确定性问题的计算的强有力工具,但是对于随机性(不确定性)问题如何当时并不知晓,Metropolis算法可以说是最早的用来生成随机数,解决不确定性问题的算法之一。

2. 线性规划的单纯形方法
1947年,兰德公司的Grorge Dantzig创造了线性规划的单纯形方法。就其广泛的应用而言,Dantzig算法一直是最成功的算法之一。线性规划对于那些要想在经济上站住脚,同时又有赖于是否具有在预算和其他约束条件下达到最优化的能力的工业界,有着决定性的影响(当然,工业中的“实际”问题往往是非线性的;使用线性规划有时候是由于估计的预算,从而简化了模型而促成的)。单纯形法是一种能达到最优解的精细的方法。尽管理论上讲其效果是指数衰减的,但在实践中该算法是高度有效的——它本身说明了有关计算的本质的一些有趣的事情。

3. Krylov子空间叠代法
1950年,来自美国国家标准局的数值分析研究所的Magnus Hestenes, Eduard Stiefel和Cornelius Lanczos开创了Krylov子空间叠代法的研制。这些算法处理看似简单的求解形为Ax=b的方程的问题。当然隐藏的困难在于A是一个巨型的n*n 矩阵,致使代数解x=b/A是不容易计算的(确实,矩阵的“相除”不是一个实际上有用的概念)。叠代法——诸如求解形为Kx(k+1)=Kx(k)+b-Ax(k)的方程,其中K 是一个理想地“接近”A 的较为简单的矩阵——导致了Krylov子空间的研究。以俄罗斯数学家Nikolai Krylov命名的Krylov子空间由作用在初始“余量”向量 r(0)=b-Ax(0)上的矩阵幂张成的。当 A是对称矩阵时,Lanczos找到了一种生成这种子空间的正交基的极好的方法。对于对称正定的方程组,Hestenes 和Stiefel提出了称为共轭梯度法的甚至更妙的方法。过去的50年中,许多研究人员改进并扩展了这些算法。当前的一套方法包括非对称方程组的求解技巧,像字首缩拼词为GMRES和Bi-CGSTAB那样的算法。(GMRES和Bi-CGSTAB分别首次出现于1986和1992 SIAM journal on Scientific and Statistical computing(美国工业与应用数学学会的科学和统计计算杂志)。

4. 矩阵计算的分解方法
1951年,橡树岭国家实验室的A1ston Householder系统阐述了矩阵计算的分解方法。研究证明能把矩阵因子分解为三角、对角、正交和其他特殊形式的矩阵是极其有用的。这种分解方法使软件研究人员能生产出灵活有效的矩阵软件包。这也促进了数值线性代数中反复出现的大问题之一的舍入误差分析问题。 (1961年伦敦国家物理实验室的James Wilkinson基于把矩阵分解为下和上三角矩阵因子的积的LU分解,在美国计算机协会(ACM)的杂志上发表了一篇题为“矩阵逆的直接方法的误差分析”的重要文章。)

5. Fortran最优编译程序

1957年,John Backus在IBM领导一个小组研制Fortran最优编译程序。Fortran的创造可能是计算机编程历史上独一无二的最重要的事件:科学家(和其他人)终于可以无需依靠像地狱那样可怕的机器代码,就可告诉计算机他们想要做什么。虽然现代编译程序的标准并不过分――Fortran I只包含23,500条汇编语言指令――早期的编译程序仍然能完成令人吃惊的复杂计算。就像Backus本人在1998年在IEEE annals of the History of computing 发表的有关Fortran I,II, III的近代历史的文章中回忆道:编译程序“所产生的如此有效的代码,使得其输出令研究它的编程人员都感到吓了一跳。”

6. 矩阵本征值计算的QR算法
1959—61年,伦敦Ferranti Ltd.的J.G. F. Francis找到了一种称为QR算法的计算本征值的稳定的方法。本征值大概是和矩阵相连在—起的最重要的数了,而且计算它们可能是最需要技巧的。把—个方阵变换为一个“几乎是”上三角的矩阵――意即在紧挨着矩阵主对角线下面的一斜列上可能有非零元素――是相对容易的,但要想不产生大量的误差就把这些非零元素消去,就不是平凡的事了。QR 算法正好是能达到这一目的的方法,基于QR 分解, A可以写成正交矩阵Q 和一个三角矩阵R 的乘积,这种方法叠代地把 A=Q(k)R(k) 变成 A(k+1)==Q(k)R(k) 就加速收敛到上三角矩阵而言多少有点不能指望。20世纪60年代中期QR 算法把一度难以对付的本征值问题变成了例行程序的计算。

7. 快速分类法
1962:伦敦Elliott Brothers, Ltd.的Tony Hoare提出了快速(按大小)分类法.把n个事物按数或字母的次序排列起来,在心智上是不会有什么触动的单调平凡的事。智力的挑战在于发明一种快速完成排序的方法。Hoare的算法利用了古老的分割开和控制的递归策略来解决问题:挑一个元素作为“主元”、把其余的元素分成“大的”和“小的”两堆(当和主元比较时)、再在每一堆中重复这一过程。尽管可能要做受到严厉责备的做完全部N(N-1)/2 次的比较(特别是,如果你把主元作为早已按大小分类好的表列的第一个元素的话!),快速分类法运行的平均次数具有O(Nlog(N)) 的有效性,其优美的简洁性使之成为计算复杂性的著名的例子。

8. 快速Fourier变换
1965年,IBM的T. J. Watson研究中心的James Cooley以及普林斯顿大学和AT&T贝尔实验室的John Tukey向公众透露了快速Fourier变换(方法)(FFT)。应用数学中意义最深远的算法,无疑是使信号处理实现突破性进展的FFT。其基本思想要追溯到Gauss(他需要计算小行星的轨道),但是Cooley—Tukey的论文弄清楚了Fourier变换计算起来有多容易。就像快速分类法一样,FFT有赖于用分割开和控制的策略,把表面上令人讨厌的O(N*N) 降到令人满意的O(Nlog(N)) 。但是不像快速分类法,其执行(初一看)是非直观的而且不那么直接。其本身就给计算机科学一种推动力去研究计算问题和算法的固有复杂性。

9. 整数关系侦查算法
1977年,BrighamYoung大学的Helaman Ferguson 和Rodney Forcade提出了整数关系侦查算法。这是一个古老的问题:给定—组实数,例如说x(1),x(2),…,x(n) ,是否存在整数a(1),a(2),..,a(n) (不全为零),使得
a(1)x(1)+a(2)x(2)+…+a(n)x(n)=0
对于n=2 ,历史悠久的欧几里得算法能做这项工作、计算x(1)/x(2) 的连分数展开中的各项。如果x(1)/x(2) 是有理数,展开会终止,在适当展开后就给出了“最小的”整数a(1)和a(2) 。欧几里得算法不终止——或者如果你只是简单地由于厌倦计算——那么展开的过程至少提供了最小整数关系的大小的下界。Ferguson和Forcade的推广更有威力,尽管这种推广更难于执行(和理解)。例如,他们的侦查算法被用来求得逻辑斯谛(logistic)映射的第三和第四个分歧点,b(3)=3.544090 和 b(4)=3.564407所满足的多项式的精确系数。(后者是120 阶的多项式;它的最大的系数是257^30 。)已证明该算法在简化量子场论中的Feynman图的计算中是有用的。

10. 快速多极算法
1987年,耶鲁大学的Leslie Greengard 和Vladimir Rokhlin发明了快速多极算法。该算法克服了N体模拟中最令人头疼的困难之一:经由引力或静电力相互作用的N个粒子运动的精确计算(想象一下银河系中的星体,或者蛋白质中的原于)看来需要O(N*N) 的计算量——比较每一对质点需要一次计算。该算法利用多极展开(净电荷或质量、偶极矩、四矩,等等)来近似遥远的一组质点对当地一组质点的影响。空间的层次分解用来确定当距离增大时,比以往任何时候都更大的质点组。快速多极算法的一个明显优点是具有严格的误差估计,这是许多算法所缺少的性质。

三、结束语
2l世纪将会带来什么样的新的洞察和算法?对于又一个一百年完整的回答显然是不知道的。然而,有一点似乎是肯定的。正如20世纪能够产生最好的l0个算法一样,新世纪对我们来说既不会是很宁静的,也不会是弱智的。



[转]http://alpswy.spaces.live.com/
By Barry A. Cipra

Algos is the Greek word for pain. Algor is Latin, to be cold. Neither is the root for algorithm, which stems instead from al-Khwarizmi, the name of the ninth-century Arab scholar whose book al-jabrwa’l muqabalah devolved into today’s high school algebra textbooks. Al-Khwarizmi stressed the importance of methodical procedures for solving problems. Were he around today, he’d no doubt be impressed by the advances in his eponymous approach.
Some of the very best algorithms of the computer age are highlighted in the January/February 2000 issue of Computing in Science & Engineering, a joint publication of the American Institute of Physics and the IEEE Computer Society. Guest editors Jack Don-garra of the University of Tennessee and Oak Ridge National Laboratory and Fran-cis Sullivan of the Center for Comput-ing Sciences at the Institute for Defense Analyses put togeth-er a list they call the “Top Ten Algorithms of the Century.”
“We tried to assemble the 10 al-gorithms with the greatest influence on the development and practice of science and engineering in the 20th century,” Dongarra and Sullivan write. As with any top-10 list, their selections—and non-selections—are bound to be controversial, they acknowledge. When it comes to picking the algorithmic best, there seems to be no best algorithm. Without further ado, here’s the CiSE top-10 list, in chronological order. (Dates and names associated with the algorithms should be read as first-order approximations. Most algorithms take shape over time, with many contributors.)

1.蒙特卡洛算法
1946: John von Neumann, Stan Ulam, and Nick Metropolis, all at the Los Alamos Scientific Laboratory, cook up the Metropolis algorithm, also known as the Monte Carlo method. The Metropolis algorithm aims to obtain approximate solutions to numerical problems with unmanageably many degrees of freedom and to combinatorial problems of factorial size, by mimicking a random process. Given the digital computer’s reputation for deterministic calculation, it’s fitting that one of its earliest applications was the generation of random numbers.

2.单纯形法
1947: George Dantzig, at the RAND Corporation, creates the simplex method for linear programming. In terms of widespread application, Dantzig’s algorithm is one of the most successful of all time: Linear programming dominates the world of industry, where economic survival depends on the ability to optimize within budgetary and other constraints. (Of course, the “real” problems of industry are often nonlinear; the use of linear programming is sometimes dictated by the computational budget.) The simplex method is an elegant way of arriving at optimal answers. Although theoretically susceptible to exponential delays, the algorithm in practice is highly efficient—which in itself says something interesting about the nature of computation. In terms of widespread use, George Dantzig’s simplex method is among the most successful algorithms of all time.

3.Krylov子空间迭代法
1950: Magnus Hestenes, Eduard Stiefel, and Cornelius Lanczos, all from the Institute for Numerical Analysis at the National Bureau of Standards, initiate the development of Krylov subspace iteration methods. These algorithms address the seemingly simple task of solving equations of the form Ax = b. The catch, of course, is that A is a huge n x n matrix, so that the algebraic answer x = b/A is not so easy to compute. (Indeed, matrix “division” is not a particularly useful concept.) Iterative methods—such as solving equations of the form Kxi + 1 = Kxi + b – Axi with a simpler matrix K that’s ideally “close” to A—lead to the study of Krylov subspaces. Named for the Russian mathematician Nikolai Krylov, Krylov subspaces are spanned by powers of a matrix applied to an initial“remainder” vector r0 = b – Ax0. Lanczos found a nifty way to generate an orthogonal basis for such a subspace when the matrix is symmetric. Hestenes and Stiefel proposed an even niftier method, known as the conjugate gradient method, for systems that are both symmetric and positive definite. Over the last 50 years, numerous researchers have improved and extended these algorithms. The current suite includes techniques for non-symmetric systems, with acronyms like GMRES and Bi-CGSTAB. (GMRES and Bi-CGSTAB premiered in SIAM Journal on Scientific and Statistical Computing, in 1986 and 1992, respectively.)

4.矩阵计算的分解方法
1951: Alston Householder of Oak Ridge National Laboratory formalizes the decompositional approach to matrix computations. The ability to factor matrices into triangular, diagonal, orthogonal, and other special forms has turned
out to be extremely useful. The decompositional approach has enabled software developers to produce flexible and efficient matrix packages. It also facilitates the analysis of rounding errors, one of the big bugbears of numerical linear algebra. (In 1961, James Wilkinson of the National Physical Laboratory in London published a seminal paper in the Journal of the ACM, titled “ Error Analysis of Direct Methods of Matrix Inversion,” based on the LU decomposition of a matrix as a product of lower and upper triangular factors.)

5.优化的Fortan编译器
1957: John Backus leads a team at IBM in developing the Fortran optimizing compiler. The creation of Fortran may rank as the single most important event in the history of computer programming: Finally, scientists (and others) could tell the computer what they wanted it to do, without having to descend into the netherworld of machine code. Although modest by modern compiler standards—Fortran I consisted of a mere 23,500 assembly-language instructions—the early compiler was nonetheless capable of surprisingly sophisticated computations. As Backus himself recalls in a recent history of Fortran I, II, and III, published in 1998 in the IEEE Annals of the History of Computing, the compiler “produced code of such efficiency that its output would startle the programmers who studied it.”

6.计算矩阵特征值的QR算法
1959–61: J.G.F. Francis of Ferranti Ltd., London, finds a stable method for computing eigenvalues, known as the QR algorithm. Eigenvalues are arguably the most important numbers associated with matrices—and they can be the trickiest to compute. It’s relatively easy to transform a square matrix into a matrix that’s “ almost” upper triangular, meaning one with a single extra set of nonzero entries just below the main diagonal. But chipping away those final nonzeros, without launching an avalanche of error, is nontrivial. The QR algorithm is just the ticket. Based on the QR decomposition, which writes A as the product of an orthogonal matrix Q and an upper triangular matrix R, this approach iteratively changes Ai = QR into Ai + 1 = RQ, with a few bells and whistles for accelerating convergence to upper triangular form. By the mid-1960s, the QR algorithm had turned once-formidable eigenvalue problems into routine calculations.

7.快速排序算法
1962: Tony Hoare of Elliott Brothers, Ltd., London, presents Quicksort. Putting N things in numerical or alphabetical order is mind-numbingly mundane. The intellectual challenge lies in devising ways of doing so quickly. Hoare’s algorithm uses the age-old recursive strategy of divide and conquer to solve the problem: Pick one element as a “pivot, ” separate the rest into piles of “big” and “small” elements (as compared with the pivot), and then repeat this procedure on each pile. Although it’s possible to get stuck doing all N(N – 1)/2 comparisons (especially if you use as your pivot the first item on a list that’s already sorted!), Quicksort runs on average with O(N log N) efficiency. Its elegant simplicity has made Quicksort the pos-terchild of computational complexity.

8.快速傅立叶变换
1965: James Cooley of the IBM T.J. Watson Research Center and John Tukey of Princeton University and AT&T Bell Laboratories unveil the fast Fourier transform. Easily the most far-reaching algo-rithm in applied mathematics, the
FFT revolutionized signal processing. The underlying idea goes back to Gauss (who needed to calculate orbits of asteroids), but it was the Cooley–Tukey paper that made it clear how easily Fourier transforms can be computed. Like Quicksort, the FFT relies on a divide-and-conquer strategy to reduce an ostensibly O(N2) chore to an O(N log N) frolic. But unlike Quick- sort, the implementation is (at first sight) nonintuitive and less than straightforward. This in itself gave computer science an impetus to investigate the inherent complexity of computational problems and algorithms.

9.整数关系探测算法
1977: Helaman Ferguson and Rodney Forcade of Brigham Young University advance an integer relation detection algorithm. The problem is an old one: Given a bunch of real numbers, say x1, x2, . . . , xn, are there integers a1, a2, . . . , an (not all 0) for which a1x1 + a2x2 + . . . + anxn = 0? For n = 2, the venerable Euclidean algorithm does the job, computing terms in the continued-fraction expansion of x1/x2. If x1/x2 is rational, the expansion terminates and, with proper unraveling, gives the “smallest” integers a1 and a2. If the Euclidean algorithm doesn’t terminate—or if you simply get tired of computing it—then the unraveling procedure at least provides lower bounds on the size of the smallest integer relation. Ferguson and Forcade’s generalization, although much more difficult to implement (and to understand), is also more powerful. Their detection algorithm, for example, has been used to find the precise coefficients of the polynomials satisfied by the third and fourth bifurcation points, B3 = 3.544090 and B4 = 3.564407, of the logistic map. (The latter polynomial is of degree 120; its largest coefficient is 25730.) It has also proved useful in simplifying calculations with Feynman diagrams in quantum field theory.

10.快速多极算法
1987: Leslie Greengard and Vladimir Rokhlin of Yale University invent the fast multipole algorithm. This algorithm overcomes one of the biggest headaches of N-body simulations: the fact that accurate calculations of the motions of N particles interacting via gravitational or electrostatic forces (think stars in a galaxy, or atoms in a protein) would seem to require O(N2) computations—one for each pair of particles. The fast multipole algorithm gets by with O(N) computations. It does so by using multipole expansions (net charge or mass, dipole moment, quadrupole, and so forth) to approximate the effects of a distant group of particles on a local group. A hierarchical decomposition of space is used to define ever-larger groups as distances increase. One of the distinct advantages of the fast multipole algorithm is that it comes equipped with rigorous error estimates, a feature that many methods lack.

20世纪10大算法

1、蒙特卡罗算法。1946: John von Neumann, Stan Ulam, and Nick Metropolis
2、单纯形方法。1947: George Dantzig,学过运筹学的人都知道:)
3、Krylov 子空间迭代算法。1950: Magnus Hestenes, Eduard Stiefel, and Cornelius Lanczos。在联想实习的期间看过/Krylov subspace:span{S,A*S,A^2*S,...,A^(k-1)*S}.
4、矩阵分解算法。1951: Alston Householder。
5、Fotran 最优化编译器。1957: John Backus。不知道这个为什么也算作算法里面。Fotran在科学计算中的确是具有里程碑性质的。
6、QR算法。1959–61: J.G.F. Francis
7、快速排序算法。1962: Tony Hoare。看了关于计算机排序的研究还不是很早。
8、FFT算法。1965: James Cooley
9、整数关系确定算法(Integer Relation Detecting Algorithms)。1977: Helaman Ferguson and Rodney Forcade。一个曾让我辗转反测的算法。
10、快速多极算法(Fast Multipole Algorithms )。1987: Leslie Greengard and Vladimir Rokhlin。N体问题仿真的,不太清楚。

posted @ 2008-11-13 17:36 小强摩羯座 阅读(659) | 评论 (0)编辑 收藏

谈谈生活中的心理学规则
时间: 2008年10月24日 10:51    作者:古典    来源:新东方

  给新东方教师教师培训的时候,我发现心理学的一些原理对于教师的培训与个人成长是很必要知道的,列举一些分享。

超限效应

  美国著名幽默作家马克•吐温有一次在教堂听牧师演讲。最初,他觉得牧师讲得很好,使人感动,准备捐款。过了10分钟,牧师还没有讲完,他有些不耐烦了,决定只捐一些零钱。又过了10分钟,牧师还没有讲完,于是他决定,1分钱也不捐。到牧师终于结束了冗长的演讲,开始募捐时,马克•吐温由于气愤,不仅未捐钱,还从盘子里偷了2元钱。这种刺激过多、过强和作用时间过久而引起心理极不耐烦或反抗的心理现象,称之为“超限效应”。超限效应在家庭教育中时常发生。如:当孩子不用心而没考好时,父母会一次、两次、三次,甚至四次、五次重复对一件事作同样的批评,使孩子从内疚不安到不耐烦最后反感讨厌。被“逼急”了,就会出现“我偏要这样”的反抗心理和行为。因为孩子一旦受到批评,总需要一段时间才能恢复心理平衡,受到重复批评时,他心里会嘀咕:“怎么老这样对我?”孩子挨批评的心情就无法复归平静,反抗心理就高亢起来。可见,家长对孩子的批评不能超过限度,应对孩子“犯一次错,只批评一次”。如果非要再次批评,那也不应简单地重复,要换个角度,换种说法。这样,孩子才不会觉得同样的错误被“揪住不放”,厌烦心理、逆反心理也会随之减低。

  点评:过犹不及的心理学解释:同时也告诉我们,讲课的时候千万不要拖堂……这很容易过学生的底线哦。

3对1规律

  说服别人或提出令人为难的要求时,最好办法是由几个人同时给对方施加压力。那么为了引发对方的求同行为,至少需要几个人才能奏效呢?前面的实验结果表明,能够引发同步行为的人数至少为3~4名。当两个人统一口径诱使某人采取求同行为时,几乎没有人会做出错误选择。如果人数增加到3人,求同率就迅速上升。效果最好的是5个人中有4人意见一致。人数增至8名或15名,求同率也几乎保持不变。但是,这种劝说方法受环境的制约较大,在一对一的谈判中或对方人多时就很难发挥作用。当对方是一个人时,你可以事先请两个支持者参加谈判,并在谈判桌上以分别交换意见的方式诱使对方做出求同行为。在纸牌游戏中,经常能看到这种现象。纸牌游戏一般由4个人参加,在游戏过程中如果时机成熟,有人会建议提高赌金或导入新规则,同时也会有人提出异议,这时如果能拉拢其它两人,三个人合力对付一个人,那么剩下的那个人会因寡不敌众而改变自己的主张,被多数的力量说服。克莱乌杰比茨的手下败将拿破仑也曾说过:“胜利在于兵力充足。”由此看来,“以多胜少”的道理应该是在克莱乌杰比茨之前就有的一个规律。

  点评:三人成虎的心理学解释。从教学培训来讲,举例子一定要举到3个以上,就开始有说服力了。告诉学员你要讲什么,给他们讲,然后告诉他们你讲了些什么……

贝勃规律

  第一次刺激能缓解第二次的小刺激──“贝勃规律” 有一个关于“诱敌深入法”的有趣实验。人们对报纸售价涨了50元或汽车票由200元涨到250元会十分敏感,但如果房价涨了100甚至200万元,人们都不会觉得涨幅很大。人们一开始受到的刺激越强,对以后的刺激也就越迟钝。下面的例子说明了这种“贝勃规律”。一个人右手举着300克重的法码,这时在其左手上放305克的法码,他并不会觉得有多少差别,直到左手法码的重量加至306克时才会觉得有些重。如果右手举着600克,这时左手上的重量要达到612克才能感受到差异。即比前一种情况要多给一倍以上的刺激才会有所反应。所以要想辨别出刺激间的差异,刺激总量越大,其差额也必须越大。 “贝勃规律”经常应用于经营中的人事变动或机构改组等。一家公司要想赶走被视为眼中钉的人,应该先对与这些人无关的部门进行大规模的人事变动或裁员,使其它职员习惯于这种冲击。然后在第三或第四次的人事变动和裁员时再把矛头指向原定目标。很多人受到第一次冲击后,对后来的冲击已经麻木了。从一开始就提出令人难以拒绝的优厚条件,等谈判基本结束后再指出一些不好的细节并使对方接受的“诱敌深入法”基本上也是以“贝勃规律”为基础的。对方被一开始的优厚条件所诱惑,对后来才知道的不好的部分也就会较轻易地接受了。

  点评:先提小要求,然后再提大要求。等到你的内容提高了,你的要求慢慢加大。这样所有人都不会感到有难度…… (编辑:姚阿珊)

posted @ 2008-11-11 23:56 小强摩羯座 阅读(215) | 评论 (1)编辑 收藏

关于追女孩子的技巧

好长一段没有上站了,今天心情很不错。其实一直以来,我都想把个人在感情方面的一些经验传授给大家,但是要系统地写出一篇心得来,实在是非常费劲的一件事情,所以一拖再拖。今天好不容易定下心来决定写一点东西,希望能令到各位看了本文的男同胞,有所感悟和启发。 ?
??
??
??
?????1、关于爱情。 ?
??
???曾经有个粗人对我说过一句堪称经典的俗话:“谈恋爱,就是一男一女凑在一起说胡话。” ?
???个人以为,这句话非常深刻。 ?
??
???因为如果没有两个人在一起的那些缠绵情话、海誓山盟,其实剩下的那些恋爱中需要两个人一起来完成的事情,照样是可以做,而且是可以做的很好的。你们照样可以约会、可以接吻、可以上床、可以结婚生孩子,但是这样一来,似乎就不是在谈恋爱了。 ?
??
???因此,之所以说到有“爱情”,并不是因为你们约会了、接吻了、上床了,亦或是结婚生孩子了,两个人之间的爱情的产生,就是因为有了你们在一起时所说的这些缠绵情话、海誓山盟。拿掉这些,恋爱就不再是恋爱;而只要保留这些,即使剩下的全部都没有,仍然可以称作是柏拉图式的精神恋爱。 ?
??
???遗憾的是,偏偏这些恋爱中最重要的内容,却往往是最最靠不住的。即使两个人最后真的走到了一起,恐怕当初头脑一热脱口而出的所有那些情话、胡话,能有十分之一会最终实现,就算相当地不错了。 ?
??
???这是为什么一段失败的感情总是会让人受伤的原因,说的胡话多也许不要紧,但要是信的多了,最后痛苦的必然就是你自己,不管你们分不分开。 ?
??
???爱情最为矛盾的地方就在于:不说胡话的话,就不能称之为爱情;可是一旦说的多了,难免有的人就会把有的话信以为真,到最后害人害己。如何把握好这个尺度,既能享受到恋情如火时口无遮拦的快感,又能在感情回归平淡甚至破裂时免受伤害,需要不断的人生历练。 ?
??
??
??
?????2、关于女人。 ?
??
???男人们总是说自己不懂女人,呵呵,这个其实并没有关系。因为女人们根本也不懂她们自己。 ?
??
???很多年轻的男人都会有这样的一个困惑:为什么女人说的话会这么容易就不算数了呢?是她们天生爱撒谎,又或是女人的天性就是善变的? ?
??
???其实都不是。 ?
??
???女人说话不算话,是由两个她们与生俱来的特质所决定的: ?
???第一,女人的智商天生就没有男人高,而且她们尤其不擅长象男人那样理性地去思考问题,说白了,就是在大多时候,她们自己也不知道自己在想什么; ?
???第二,女人非常感性,感性到脑子里正在想这个,但是脱口而出的却会是另外的一句话,比如:“你真讨厌!”。傻子都知道说这句话的女孩这个时候脑子里一定不是在想我很讨厌你,但是具体在想什么呢,则不一定。所以简单地说,就是女人很多时候自己都不知道自己在说什么。 ?
??
???如果你是一个足够聪明的男人,千万不要相信女人所说的话。道理很简单,因为大部分的时候,她们自己也不知道自己在想什么,在说什么。试图以男人的逻辑,去解开女人所说的话背后的真实含义,结果只能有两个:你彻底地疯掉;或者你成功证明了自己的极度愚蠢。 ?
??
??
?????3、关于男人。 ?
??
???下面是我给男同胞们的忠告: ?
??
???如果你觉得自己爱上了一个女人。千万不要去相信那些女人们所说的鬼话:“要真喜欢的话,就拿出行动来啊;就勇敢地表达出来啊;就象个男人一样大胆地展开追求啊…………” ?
??
???如果你相信这些话,并且把它付诸行动。很不幸,你的智商肯定在80以下。 ?
??
???女人对待追求者的态度,就象女孩对待洋娃娃的态度一样,那就是越多越好。因为追求者的数量和追求方式的不断推陈出新,可以极好地满足女人与生俱来的虚荣心和炫耀心理。 ?
??
???举个例子,王子和公主的童话每个小孩都听说过,但是几乎没有一个小男孩会在听完这个故事后,成天傻兮兮地幻想自己是一个王子。而几乎每个小女孩在听完故事后,都会幻想自己成为一个公主,有一天王子会骑着白马来娶她,这就是典型的虚荣心和炫耀心理在作怪。 ?
??
???现在说回到洋娃娃的问题上来,你要想让一个女人不在内心里面企盼有更多的追求者,就如同要劝说一个小女孩,永远也不要妄想把百货公司的洋娃娃全部买回家一样地费力和徒劳。对于一个男人而言,如果你真的喜欢上了一个女人,最优的策略就是,千万不要成为她众多洋娃娃中的一个,因为如果是,她永远也不可能爱上你。 ?
??
???如何征服一个女人的心??? ?
??
???很简单,让她明白,你和所有其它追求她的男人都不同。当然要做到这一点,你首先需要一点自知之明。也就是,如果你在她的追求者中没有任何突出之处的话,你永远也不可能取得成功。也许,经过你漫长的等待和付出,当她行将年老色衰、受尽各种比你优秀的男人的伤害之后,她会选择你与她共渡一生,但是我说过了,你永远也不可能得到她的心。 ?
??
???所以我说,世界上本来就不应该存在追女孩这种事情,之所以变成现在这个样子,还是因为很多男人在雄性激素的作用下,丧失了起码的理智。身边有着众多的优秀男人追求,要远比听到一两句诸如“你真漂亮”之类的赞美她们的废话,更能满足女人们的炫耀心理。但这仅仅是在满足女人的虚荣心而已,她不会因为你追她而爱上你。 ?
??
???记住,如果一个女人会爱上你的话,只需要1到2分钟的时间就足够了,当然,这两分钟可能不是出现在你们第一次见面的时候,但是绝不会出现在你们认识一周或者见面7次以后。如果你在这个期限里不能够打动她,征服她,那你这辈子也不可能真正地征服她。 ?
??
???如何征服一个美女呢??? ?
??
???还是很简单,首先就是你要有自知之明。不要听信女人们说的那些我没有什么硬性的择偶标准之类的屁话,在她们不喜欢的男人面前,她们是永远也不会说真心话的。 ?
??
???绝大部分的女孩对于男人的身高、长相、学识、特长、工作、家庭都是会有硬性的要求或曰最低的门槛的,尤其是前三样,如果你有一样达不到还要硬追的话,最后的结果就一定是你自取其辱。 ?
??
???征服美女其实也并不困难,如果你足够优秀的话。但是也有不少很优秀的男士,在这方面就遇到了问题。这些优秀男士之所以会遭遇挫折,主要还是因为没有明白我前面所讲的那个道理,就是征服一个女人一定要在7天以内。 ?
??
???如果你能在她的面前表现出很短时间内把她拿下的自信心的话(注意,不是用嘴巴说的),要知道每个女人在内心里都是会很渴望被男人征服的,美女们因为身边优秀的男士太多了可能会挑花了眼,而这个时候你以这样强烈的自信出现在她的面前,她肯定会认为你才是她的真命天子。 ?
??
???而且,自信的男人本身就很吸引女人。 ?
??
???如果你按照我说的去做了,还是虏获不了美女的芳心,那说明你对自己了解的还不够。

???去换个容易一点的吧。 ?
??
???当然,要追到美女很容易,要保住就会很难,原因就在她身边的那些曾经输给过你的象苍蝇一样围着她乱转的“优秀男士”们,一旦你们的感情出现裂痕,苍蝇们就会很快地见缝插针。不过没有关系,我说过了,即使她以后嫁给了别的人,她一生中在心底里最爱的那个人始终还会是你,那个曾在瞬间虏获她芳心的男人。 ?
??
??
??
?????4、失恋和谎言。 ?
??
???当恋情结束时,所有的甜言密语,都顷刻之间变成了谎言,这会是令人痛苦的事情。不过有两种男人,可以不用体验这种痛苦,那就是浪子和王八。 ?
??
???我前面已经说过了,女人说话不算话、善变,是因为她们与生俱来的特质使然。可是既然上帝已经把女人给创造成了这个样子,我们又离不开女人,有一个解决的办法:就是始终保持清醒的头脑,看清楚在你面前说话的是一个女人,不必相信她们说的每一句话,把分析她们内心活动的精力节省下来,去做你自己喜欢做的事情。 ?
??
???当有一天她移情别恋了,不必表现的比她更加惊讶,顺便把你的新女朋友介绍给她,她一定会爱你胜过爱她现在的那个男人。 ?
??
???当然了,如果你不具备做一个浪子的条件,那么做只王八其实也是个不错的选择。如果说浪子们是以不投入自己的感情来避免被女人伤害的话,王八们则是以死猪不怕开水烫的架势,来迎接未来可能会遭受的各种变化。 ?
??
???如果你是这样的一个男人:当你的女朋友编尽各种前后矛盾的谎言(女人的说谎能力都很差因为她们天生逻辑能力就差),在一周不和你在一起的那5天里面,分别和5个不同的男人约了会、上了床。你在知道真相后,仍然不觉得难过,反而觉得很高兴:她和我在一起的时间是最多的了,她最爱的那个人是我耶。那么,恭喜你,你是一只不会受到失恋和谎言伤害的好王八。 ?
??
???至于具体要成为什么样的男人,各位可以在看了我的文章后,自己决定。??

posted @ 2008-11-11 23:54 小强摩羯座 阅读(722) | 评论 (1)编辑 收藏

数学的无限与有限或无穷与有穷
无限只可以是认识的对象,却不可以是计算的对象。如对无限进行计算,那么就是对于无限这个概念进行破坏,而失去无限的本来意义。也应该定义有限的范围,即进行归一化处理,因为在自然真实中总是存在有限范围,人们的认识可以达到无限,可是实际的接触范围总是有限的。即在自然真实中只存在有限自然整数集合的连续统,不存在无限自然整数集合的连续统。

从严格的概念定义上来说,无限是不属于集合的。众所周知,凡是集合则属于封闭有限范围,情况无限属于无限开放情况,封闭性无穷属于人为性规定,开放性无限属于真实自然。从语义上来讲,无限集合违背了语言规则规定,又不符合逻辑演绎规则,集合是属于有极限意义,而不是具有无极限意义。我们所谓的无穷并不是真正意义上的无穷,而是具有人为任意性的无穷。是代数逻辑符号掩盖了算术上的有限性界限,使有限与无限混合起来。人的认识已知的能力是可以能够达到无限的,但是所能够接触具体的事物的范围却是有限的。知无止境,为有止境。

无限小量并不是等于零,而是永远接近零,零就是没有,准确的说是不存在无限小量,而是有限小量,与无限小量是两回事。如果在有限时可以存在最,无限时不存在最,这是首先应该明确的。虽然都是无限,可内容上却存在很大区别,如无限大是真正意义上,而无限小却是有极限的,即为零,有些所谓的无限大不是真正意义上的,而是有极限内的无限大。真无限是为无限大,假无限是永远接近而又永远达不到的极限的无限小。最小是无限小,最大却不是无限大,因为物体不存在无限大,所以粒子也不存在无限小,只是有限小,而这个有限小,目前还无法准确定义。终极没有最小只有更小,否则就不会存在无限这个概念定义了。什么叫做最?根本就没有一个限制性的约束,完全是人为任意性的规定。

古人曾经说过:至大无外,至小无内,是指空间范围。一日之棰,日取其半,万世不竭,在认识上是可行的,可是在实际中却是行不通的,因为永远肯定做不到。不存在最大却存在空间延展无限大,存在最小却不存在无限小,因为必然会存在大于零或接近零,却永远不等于零。无穷小量是人们原则灵活性的机智,不是精确的,是近似的,却达到了类精确的效果。微积分充其量也不过是个具有近似值的经验公式。自然存在有些本来就不是精确的,我们也没有办法,也只能而已。用半衰期计算,不管是什么物质总是存在岂不荒谬?无限,无论是在人的想象或现实中都是存在着的,证实或证明当达到时还又没有达到时的以此类推。

无限大可以是自然真实存在着的,可是无限小在真实自然中却是不存在的,完全是人为理想化的结果,至于小到什么程度只能由自然事实来决定,可以认识但却无法操作,这是人们的能力所不能及的地方,但对人类活动毫无影响。无究与有限概念的产生首先是选择类不同结果,首先在逻辑上就不一致,直接挑战逻辑使逻辑失效,严重违反逻辑规则,也更是逻辑所无法解决的。就是数学恒等式中的那个等号也是不精确相等的,也只不过是个近似值而已,因为自然界不存在完全精确大小或完全一样的两个1。

整体大于部分的本义应该是指整体是无限的,部分是有限的。有限的与有限的相加也永远还是有限的,但如果是无限的相加那么就也是无限的了。大数进行无限的相加并不比小数进行无限的相加大,因为一旦纳入被无限的相加时那么即完全相等,其不同是大数先接近无限的范围,而小数则后接近无限的范围。即使在有限的前提下也存在着无限的可分性,但这个无限是建立产生在有限的前提上的,目前我们人类的认识就是属于这种认识无限,而是在有限性前提下的。别说是超出太阳系,就是在太阳系本身体系内还没有认识清楚。无限只能在人的想象或理想中存在,在现实存在中存在是我们无法验证和能够达到的,因为我们的生命或活动能力是有限的,但是并不妨碍我们对无限的思考与认识。理想或认识可以达到无限,而实际性操作却是有限,无论不管什么先进技术都是存在有限的极限。

连续统假设
连续统假设:在可数集基数和实数集基数之间再没有别的基数。

所有的数或表示几何的数都可以在连续统序列中存在,用整体观念来看数学体系则是相容的。虽然集合与集合之间存在一定一致的对应或序列关系,都是属于连续统假设,然而其中的子集合基数却不相同,在不同的集合中是不相容的,是各个不同部分领域具有各自不同的特征特点罢了。混淆了子集合与自然整数集合之间的基数不同的区别,导致有限与无限之间没有明显的界限,二者的任意某一阶段或定域是并不相等,成了一个令人模糊的连续统,连续统假设已经失去真实意义。(超穷数理论只是康托尔本人的误会。)

连续统假设建立在比较集合元素个数的基础上。但是要比较集合元素个数,首先要明确集合元素的意义和集合之间的关系是否相容。同样的连续统在时间、空间、几何、数量的表示关系上是不一样的。例如{长度:1*1,2*2…}和{面积:1*1,2*2…}表示的实际意义是不一样的,虽然它们在数字上的结果相同。同样,对于复杂的问题之间,若存在着某种不可比较性,数量上的一一对应关系也就失去了意义。

如果两个有限定性实际意义的集合,它们之间的意义相同,可以相容,那么我们可以构造建立对应法则,讨论基数问题。如果两个有限定性条件实际意义的集合,它们各有各的意义,其关系不能相容,那么我们不能建立数量上的一一对应关系,讨论基数问题。

数学一方面要考虑形式上的构造,另一方面也要考虑实际意义,因为数学最终还要应用于自然。那么对于连续统假设,我们看到它提出了研究集合基数关系的问题,但是对于是否两个集合之间能相互比较基数,以及集合的实际意义问题没有给出解释。

那么连续统假设需要另外补充条件,即集合的实际意义,以及集合之间的关系,根据实际情况,我们可以判断其基数的大小,而对于没有现实意义的集合,这样做没有意义。

数学连续统假设的独立性存在任意性,有限与无限之间应该设定一个界限,绝不可以任意无原则的等同。(哥德尔曾经指出:)集合永远不能属于自身,全集合是不存在的,但概念也许适用于自身,全概念是存在的。哥德尔认为:集合是外延,概念则是内涵。类只有一个主题,但大类有交叉迭代复合性,许多分类的小主题。连续性或与整体性的关系,被任意割裂成许多零碎的关系。希尔伯特关于建立不同公理系统的相容性问题是最基本的想法是不存在的,特征与具体事实是对立着而存在的,所谓的公理只是特征,特征与特征根本就不相容。我们应该充分发现特征而不应该在规定特征。

连续统任意性的将自然语言中的概念定义给破坏了,在人们的思想中造成严重的影响,无穷再也不具有无穷的准确意义了。n到底属于那个数,是+1以前还是以后的呢?还要看怎么数,若以大数为数一下子就到头了,是一个封闭的大1,因为只有一个无限。无限可分与无限整合的关系是不一样,是以整体前提,还是以部分为前提?

一个数可以用作被计算的数,还可以被用作计算后的数,整个数连续序列中的其中任意的一个也都是可以的,我们可以根据应用的实际情况进行无穷性的选择方法,各种数学结构都被包含在连续的数列之中。

超越数是改变了实数概念的结果,这里的自然数列是人为性规定划定的一个数列。把实数轴与自然数轴作了一次混合,构造了一个新数列,仍叫做自然数列。否则自然数列后怎么可能有大于无穷大的第一个数W。

无穷套根在自然中是不存在的,因为平直空间最多是三维。无穷连分数或无穷小数也是只可认识无法操作的,极限是人们所能满足的需要为止。

集合连续统是关于以什么基数为标准单位关系。中国古人对于无限的认识是非常明确的,用不着反复讨论,否则无论基数多大都是不可数的。就是小1,如果具有可分性,那么也就微分,那样也可以无限的分下去。用老话讲叫不着边不靠谱,过分讨论无限性是无意义的,是以满足实用为目的的。

微积分
总之微积分的有效作用是类似最小的近似量,然后再求总的近似量,永远也不会有精确量,来达到实际应用计算的目的。知道某些初始,知道结果,然后通过计算过程来达到结果。

微积分的实质就是相似的比率关系。函数的目的是求不变量,然后再用不变量来代入,由于变量而引起总量的变化。函数的目的无非是想要建立起一种对应关系,这种对应关系也可以称为比例关系或线性关系。将一个数看作是由若干函数组成,是由若干因素的关系所组成的现代微积分关系。函数所定义的恰恰是总数其中的常量系数的不变量,也可以当作类比求1的问题处理,即可以将100看作是由100个1所组成的。物质最小的不变量就是基本粒子所具有的虚设的量,如普朗克常量,类似微积分的求最小的近似量。微积分将分立的差异,用数学手段把它们变成具有连续性的一个过程。

本来有些图形属于不可展开体,所以永远也没有精确的展开解,只有求近似解,如球面等双曲线,圆周率的精确度是永远没有尽头的。微积分在有些应用上具有不完备的任意性,在有些地方适用,有些地方不适用。由微积分的近似性可以看出现代数学并不是一门精确准确确定性的学科,自我标榜严密清晰精确等,实则存在许多方面的疏漏,本身是不完善的。微积分有很多不能自圆其说的地方,后来人们为了补充完善,被弄出了实变函数。

分析数学的偏微分方程并没有对于运动的原因给予解释,而只是相似近似地描述了运动的状态和类比相似几何图形的关系,那个等号应该是约等于号,无论怎么近似但都不是精确的,并且永远不会有精确解,而只能如此永远是近似解。

非线性偏微分方程是否不可解,有多少解?关键是它的未知的是太多,无法确定,只是揭示了关系。本来就应该用物质的观念去对待湍流现象就会简单多了,就不会混乱了,然后再用数学,否则为什么会是非线性呢?为什么不稳定。现在数学界流行非线性,混沌说明数学遭遇存在挑战。不论怎么说用非线性偏微分方程来描述宇宙引力状态是不准确的,因为非线性方程各项中的未知量的具有物理意义的原因是不清楚的。

偏微分方程的求解还存在一定困难,那么它表示的物理意义不得而知?惯性系的非线性为什么不遵守惯性系自身的限定?混沌模糊不清的非线性,存在非常真切不明的原因。引力场非线性偏微分方程的解要满足是初始或边界条件之后的唯一性,在数学上还没有得到证明,理论上无法实现而实验上更无法实现。

变分法的最小作用原理虽然接近事实,但还是没有或不能将自然作用关系揭示出来,还是在人为作用下的惯性运动前提基础上来对待问题。引力场方程是如何解释两极处问题的?无法考虑,因为不遵守方程规则。

非线性方程
非线性因为是代数方程,高次方程或多元未知数它们之间必然存在着相互制约的条件联系关系。即如果一个未知数一旦确定,那么其它也与之对应,完全可以根据实际情况或需要而进行试商,存在有限解。如果是算术式,则不会有这个麻烦了,都是代数惹的祸,没有具体的数字怎么计算。各种求解四次以上的高次方程,如果是算术则可解,即化乘法为加法,然后再求平均数;可以采用两头试商的方法,即通过试商的大小可选择再试的方法。实际上并没有太大的实用意义,并不是不可行,也还可以通过列表方便可查。

这样的代数方程是没有实际计算意义的,即没有计算功能,只有表示或揭示关系的功能。如果按照现在的非线性处理只能得到近似解,即按照微积分或偏微分的函数法求最小子集,将一个本来具有精确解的算术式强制性的整成一个具有近似性的方程关系,改变确定性为不确定性。与其说是具有非线性还不如说是具有任意性。这种方法是很灵活,即是一个没有办法的办法,可是现在却被当作对物理等现象无法解释的有效描述,把一些不理解的因素变化归结为非线性。

有些事物出现因果不相同的情况,那一定是又增加了新的原因因素我们还不知道,如孤波是受到冲击运动的水又与在空气的作用下形成的。而不是什么非线性本质,或什么对称性破缺,其实也并不是什么复杂,所谓的复杂只是有些情况还不清楚而已。如什么不确定性、混沌、蝴蝶效应、吸引子、分叉、分形、随机涨落、粗粒化细粒化等。

为什么非线性成为现代数学的思潮,因为为性理想化规定规则在真实自然中只是某些特殊情况。如水面、笔直的植物主干、各种球体、蜂窝、雪花、某些矿物结晶体等线面规则体,在真实自然中不规则线面体才是普遍存在着的,以试图满足所有方面的需要。


几何图形
概念翻译不准确问题,几何本来就是具有多少的意思,非要加上图形的意思,拓扑等于变形,这样更加直观说明问题和更符合简单性原则,这些命名应该不应该修正。

欧几里得《原本》几何的原始定义存在问题,如果非欧几何是对欧几里得几何的否定,那么非欧几何所面临的将是同样的命运。三维绝对平直空间并没有错,它是约定最简单的说明问题的,而是怎么用的问题,黎曼几何也同样面临适用范围问题。

黎曼几何是空间立体几何,欧几里得几何是平面几何,是分属于两个不同的概念范畴的,是不能互换与等同的,作为数学是可以的,但是作为物理却是不可以的。数学只能知道几何图形,但是为什么形成几何图形的物理过程和原因却不清楚。物体球形结构说明物体是处于在周围均衡相等的压迫作用之中而形成的。自然几何是在自然力的作用下的一种结果,作为技术反推是有效的,作为认识,无论如何我们也不能把结果当作原因来对待。图形特征与人为规定应该区别,某种图形具有某种特征是事物自身所具有的,与我们的人为性规定完全是两回事。

滥用维度数的概念其结果必然导致错误认识,空间概念只能为三维,这是约定俗成,难道不去证明一下就不可以了吗?三维以上的维数是有悖于常识的。动态图像并非不能用图像来描述,如动画的图像。四维准确地说是什么样的图像?不能用图像描述的图像有什么作用?算不算作图像?维度是不是应该统一下认识?多维空间是有限的空间,绝对空间却是无限广延的。

不应该混淆三维和投影的关系,它们是不一样的,三维是按绝对比例,投影是按相对实际投影比例,前者接近绝对空间,后接近自然相对空间。活动的标架,可以将各种不同的多维空间嵌入到三维平直空间,否则是无法嵌入的。如当一个小球嵌入大球的某一位置时我们不知道小球还能否成为球状,因为在大球不同位置的空间里的曲率不同的,那么势必会对小球曲率形成影响。在大球中因为曲率关系直线变成曲线,那么说小球的直径也可以弯曲了?如果在某一方向小球的直径弯曲,那么这个小球还是标准的球吗?违背球的定义,任何位置的直径都相等。三维是可兼容,多维是无法相容或兼容的,如兼容其真实性的形体会被破坏。有人说拓扑学家像蚂蚁一样趴在圆周上,看到的只是局部结构,却没有认识到整个圆周被嵌入到三维空间中。黎曼空间是能被三维立体空间所包容,拓扑的整体背景是三维的。

拓扑规则是有限性其中的一种情况或几种情况,而在真实世界中则是具有很多种情况。拓扑为几何代数化。拓扑犹如能够变形的面团,具有相当大的灵活性与任意性,以满足各种需要。用拓扑数学方法也可以用一根线把所有不同形态的物质按开启化顺序或相互作用关系,将它们一一地穿起来而连成一个完整无限循环的整体,拓扑就是关联。在这方面宇宙是有限的,可是在别的方面也还是存在无限的。

几体问题的解最终不是数学问题而是机理问题,机理问题解决其数学问题是也有解了。数学只是对某些现象的形式做了描述,而不是对形成机理进行描述内容原因解释。大自然中物体有它自身构成数学几何的原因,这是数学几何自身无法解释清楚的,它可以量化自然,却无法解释产生自身的原因。

衡量代数几何化或几何代数化的关键原则是方便简单性,而且能直观容易说明或解决应用问题。例如把运动几何化的某些微积分,但也容易造成误会,把不是这么回事硬解释成了这么回事。几何的物理基础是物质存在,固态刚体流体空间也是,不要忘记这才是它存在的前提条件,即它不是完全抽象的脱离实际的与现实无关;数学也是如此,它有它的实在意义,不是毫无关系。几何图形的函数关系是本身固有的关系,然后将运动的轨迹流形也类比作几何图形,或也用函数关系来解决却是不合适的。竟然将时间也空间化或几何化成为了流形。常微分或偏微分方程彻底将物理学几何化了,大家不去追求物理运动原因或变化原因内容,而是去关心运动或变化的数学几何形式方面去了。难道几何空间就不可以描述物理空间的内容了吗?是数学几何的思想影响了我们的观念,由公设公理推出定理定律。任何极端孤立的几何是无任何内容意义的,在现实中也是不存在的,只在数学领域存在。

微积分或变分法或泛函分析将某些不规则形线段和图形或空间被看作为点和线的任意性的连续性集合或函数空间。由于抽象空间或泛函分析的兴起,更增加了把点集作为空间来进行研究,进而在泛函分析中起作用的性质又被归结为拓扑性质。主要因为点集序列的极限居重要位置,完全脱离了物理作用的空间成为纯数学的几何空间。即泛函分析的算子就是从一个空间到另一个空间的变换。我们不应该以没有物理内容的人为性数学几何空间中的同胚或拓扑变换来取代真实自然具有物质内容变化的空间。

如果有些人为性的规定恰好近似接近某些自然现象,那只能是一种偶然巧合。例如数学张量分析和微分几何不是依据自然现象去进行认识解释,而是利用数学建模的方法而对自然进行任意性处理:什么任意维任意阶任意张量任意分量等解释。Ricci在爱因斯坦之前有关张量分析就早已存在应用这一物理目的了。如果恰好近似接近或满足了某些自然现象就是正确的,如果不近似接近还可以再任意性的加上各种规定,直到满意为止,但是这个坐标系与另外坐标系并不是完全相等,如地球月亮太阳或各种星体之间。


理论数学是人类思维游戏活动的陷阱。如果作为游戏活动,对于启发智力是具有极大的帮助,但也难免具有一些负面影响;如果作为混饭吃的职业也是可以的,但也容易误人子弟;如果作为事业,那将是对人们的极大误导。现在仍然有大批的数学家们在津津乐道的从事这种游戏活动,岂不知宝贵的生命时间被残酷的牺牲。


本人酷爱数学,是这种热情使我走上数学道路。当我一步步继续深入时,有时却感觉很恐怖,今日说出来以供大家参考。本人的数学学得并不是太好,至于对错只能由个人审视定夺,与本人毫无关系。

posted @ 2008-11-11 23:02 小强摩羯座 阅读(208) | 评论 (0)编辑 收藏

哈佛图书馆自习室墙上的训言(快考试了,大家加油)


1.此刻打盹,你将做梦;而此刻学习,你将圆梦。
2.我荒废的今日,正是昨日殒身之人祈求的明日。
3.觉得为时已晚的时候,恰恰是最早的时候。
4.勿将今日之事拖到明日。
5.学习时的苦痛是暂时的,未学到的痛苦是终生的。

马斯洛需求层次理论


http://baike.baidu.com/view/690053.htm  有详细介绍

posted @ 2008-11-11 21:49 小强摩羯座 阅读(183) | 评论 (0)编辑 收藏

爱因斯坦的建议
2008年07月26日 星期六 21:08
阿尔伯特•爱因斯坦是20世纪最伟大的物理学家。他提出了很多的普遍定理和方程式,使他一直超越其他科学家。但是,人们也因为另一件事而记住他:一种令人 们都称他为天才的才能:他所说过的话。爱因斯坦教授是一位哲学家,他清楚懂得什么是成功法则,他能像解释他的方程式那般解释这些法则。这里有10句话是从 他以前所说过的无数极精彩的话语中提取出来的;这是十条你能用在平时生活之中的宝贵建议。

    1. A person who never made a mistake never tried anything new. 不曾犯错的人从来不曾尝试新事物

    Most people don’t try new things because of their fear of failure. Failing is not something to be afraid of. It is often the losers who learn more about winning than the winners. Our mistakes always give us opportunities to learn and grow.

    大多数人因为害怕失败而不会去尝试新的事物。失败并不可怕,因为败者往往会比胜者更能认识胜利所蕴含的意味。而错误总是会给予我们机会去学习和成长。

    2. Education is what remains after one has forgotten what one has learned in school.教育是一个人在学校学到的唯一不被遗忘的东西

    30 years from now, you won’t possibly remember what chapters you had in your science book; you’d only remember what you learn on your way. Life lessons stay with you forever. Real education starts from within.

    30年之后,你将不会记得曾经在教科书中学过哪些章节;你只会记得在过程中你学到什么。生活所带给你的经验和教训将陪伴你终生。真正的教育从自身内部开始。

    3. I am enough of an artist to draw freely upon my imagination. Imagination is more important than knowledge. Knowledge is limited. Imagination encircles the world.我已经受够了作为一个能自由地控制想象力的大师。想像力比知识更重要。因为知识是有限的,而想象力却能畅游整个世界

    When you reflect on how far we humans have come from the prehistoric caves to mind-blowing technological advancements, you would feel the power of imagination. What we have now was built from the imagination of our forefathers. What we will have in future will be built from our imagination.

    当你思考我们人类发展,从史前的洞穴生活到现在令人惊叹的科学技术的突飞猛进,你会感到想象力的威力。我们现在所拥有的一切都来源于祖辈的想象力;而我们的想象力又将构筑世界的未来。

    4. The secret to creativity is knowing how to hide your sources.创意的奥秘是知道如何隐藏你的创意来源

    Creativity and uniqueness often depends on how well you hide your sources. You can get inspired and influenced by other great people; but when you are on stage with the whole world watching, you must become a unique, individual force that learnt different values from different people.

    创意和独特性往往取决于如何隐藏你的创意来源。你可以从其他伟人身上受到启发和影响;但当你站在全世界都注视你的舞台上的时候,你必须成为一个独特的、个人的力量去从不同的人身上学习不同的价值观。

    5. The value of a man should be seen in what he gives and not in what he is able to receive. Try not to become a man of success, but rather try to become a man of value.一个人的价值,在于他贡献什么,而不是他能取得什么。不要渴望成为一个成功的人,而是应该努力做一个有价值的人 。

    If you think of all the top people in the world, they would have added something of value to the world. You must give in order to take. When your purpose is contributing or adding value to the world, you will be elevated to a higher level of living.

    当你回顾全球最顶尖人物的一生之后,你会发现他们都曾经为世界创造过某些价值。要得到回报,你得先付出。当你的目标是为世界做贡献或者创造价值时,无论你的精神生活或物质生活都将会被提升到一个更高的层次。

    6. There are two ways to live: you can live as if nothing is a miracle; you can live as if everything is a miracle.天下只有两种生活方式:人生不存在奇迹;人生处处孕育着奇迹

    When nothing is a miracle, you gain the power of doing anything you want and you have no limits. And when everything is a miracle, you stop by to appreciate even the smallest of beautiful things in the world. Thinking both ways will give you a productive and happy life.

    当你认为人生不存在奇迹的时候,你会得到力量去做任何你想要做的事情,而且你会超越极限。而当你认为人生处处孕育着奇迹的时候,你甚至会停下来为一件小小的美好事物而驻足欣赏。这两种思考方式都能让你拥有充实而幸福的生活。

    7. When I examine myself and my methods of thought, I come to the conclusion that the gift of fantasy has meant more to me than any talent for abstract, positive thinking.在我审视我自己和我的思考方式时,我的结论是:在吸收有益的知识方面,奇思玄想的天赋对我而言,比我的才干更重要。

    Dreaming about all the great things that you can achieve is the key to a life filled with positivity. Let your imagination run amuck and create the world that you would wish to be in.

    幻想着所有你可以完成的伟大事业能够使你的生活充满积极性。让你的想象力任意驰骋,尽情创造你想要的一切吧。

    8. In order to be an immaculate member of a flock of sheep, one must above all be a sheep oneself.要成为羊群中优秀的一员,你就必须先成为一只羊。

    If you want to become a very successful entrepreneur, you must start a business right away. Wishing to become one, but fearing the consequences will not help. The same applies to everything – in order to win a game, one must above all play the game.

    如果你想成为一名成功的企业家,你就必须现在立刻创立你的公司。只是希望成为企业家,但又害怕面对失败后果,这样一点用处也没有。同理,很多事情也一样——要赢比赛,首先得参加比赛。

    9. You have to learn the rules of the game. And then you have to play better than anyone else.你必须去学习游戏规则。然后,你还要比别人玩得更好

    Learn the rules of your game and start playing it best. Keep competing like your life depended on it. And after a while you will have no one else but you to compete against. At that point, better your best.

    了解游戏规则,然后开始游戏并做到最好。一直保持竞争的状态就好像押下你的生命作为赌注那样。不久后,你的对手可能只剩下你自己。到那时,超越自己!

    10. The important thing is not to stop questioning. Curiosity has its own reason for existing.最重要的是不要停止问问题。好奇心的存在,自有它的道理

    Intelligent people ask. Keep questioning yourself and others to find solutions. This will help gain knowledge and analyze your growth in all walks of life.智者总是好问。不停地对自己和他人发问以寻求解决方法。这将会帮助你在人生进程中获得更多知识与智慧,并全方位地分析自己的成长。

posted @ 2008-11-10 23:07 小强摩羯座 阅读(143) | 评论 (0)编辑 收藏


假定矩形是用一对点表达的(minx,miny)(maxx,   maxy)  
  那么两个矩形rect1{(minx1,miny1)(maxx1,   maxy1)},   rect2{(minx2,miny2)(maxx2,   maxy2)}  
   
  相交的结果一定是个矩形,构成这个相交矩形rect{(minx,miny)(maxx,   maxy)}的点对坐标是:  
  minx   =   max(minx1,   minx2)  
  miny   =   max(miny1,   miny2)  
  maxx   =   min(maxx1,   maxx2)  
  maxy   =   min(maxy1,   maxy2)  
   
  如果两个矩形不相交,那么计算得到的点对坐标必然满足  
  minx   >   maxx  
  或者  
  miny   >   maxy  
   
  判定是否相交,以及相交矩形是什么都可以用这个方法一体计算完成

从这个算法的结果上,我们还可以简单的生成出下面的两个内容:

1 相交矩形:  (minx, miny) (maxx, maxy)

2 面积: 面积的计算可以和判定一起进行

            if ( minx>maxx) return 0;

           if (miny>maxy) return 0;

            return (maxx-minx)*(maxy-miny)



qq公司的08年招聘面试题,下面的链接中有人给出了一些答案,可以看看
http://topic.csdn.net/u/20081101/13/4854a6b9-8adb-4813-bcba-68708dc539ef.html


1000瓶药水,其中至多有1瓶剧毒,现在给你10只小狗在24小时内通过小狗试药的方式找出哪瓶药有毒或者全部无毒(小狗服完药20小时后才能判断是否中毒)


找规律填字母
Z  H  A
M  E  ()

A. K
B. Y
C. B
D. W


网站上的媒体资源(图片、音频、视频等)很容易被盗链,相对比较安全的防范措施是:()
A 检查refer
B 为资源文件添加数字签名
C 添加基于session的判断
D 以上说法都正确

使用视频软件进行聊天时,视频数据几乎都通过udp协议传输。关于udp协议,下列说法错误的是______
A 数据通过udp协议传输存在丢包的可能,安全性不如tcp协议
B udp协议传输执行速度比tcp快
C udp协议的数据传输是无序的,tcp协议的数据传输是有序的。
D 视频、聊天、邮件等数据的传输都可以使用udp协议。

局域网甲内的主机A开启了p2p下载工具(如bt,emule等),他如何同局域网乙中的主机B建立连接______
A 通过主机B的内网ip建立连接
B 通过主机B的物理地址建立连接
C 通过NAT穿越技术建立连接
D 无法建立连接


Windows将遵循下面的那种搜索来定位DLL()
1 进程的当前工作目录
2 包含EXE文件的目录
3 列在Path环境变量中的一系列目录
4 Windows系统目录
5 Windows目录

A 12453  B 12543  C 21453  D 21345

设有一个递归算法如下
int x(int n)
{
if(n <=3) return 1;
else return x(n-2)+x(n-4)+1;
}
试问计算x(x(8))时需要计算______次x函数。

至少列举5种windows下进程间通讯的方式


不用中间变量,实现strlen函数。(strlen为C语言中求给字符串长度库函数)
int strlen(const char *str)

posted @ 2008-11-08 00:58 小强摩羯座 阅读(179) | 评论 (0)编辑 收藏

读后感:醍醐灌顶!

转帖自 反对异化——亲亲小猫咪 的博客
http://zhenmafudan.ycool.com/post.2878014.html
 
重贴一组流传大江南北的旧文----科研随想录
Zhenmafudan @ 2008-05-31 23:37


这是我在国内读硕士时候写的一组旧文,2001年发表于复旦bbs化学系版。出国后发现这组文章被大江南北100多个网站广泛转载,不幸的是,大多数转载者都没有注明出处。现在重新在我的博客上贴出来。用现在的眼光看,有些观点还是很有参考价值的,有些观点已经随着时间的变化改变了。我现在在这里(用[...]的形式)加适当的评注。用红笔显示的观点,是现在的我觉得还是有用的。

(注:因为转帖过来的,没有把原作者标注红色的内容原搬过来。下面红色的文字是我自己觉得有参考意义的,蓝色是心得。—— chenyusiyuan)

科研随想录(1)——民营企业家的精神

    真正做学问,是要一种精神的。民营企业家有种为自己干活的务实精神,有种猛冲猛打、锐意进取、死死咬住项目不放的精神,有一种从早干到晚、星期天也不休息、有家不回有孩子不抱的精神,是现在的研究生做科研所缺乏的。

(心得:的确,就是要有这种冲劲和韧劲,不把实验做好誓不罢休;当结果出来的时候,多苦多累都值得!—— chenyusiyuan)

    学生不是老板的打工仔。不要把自己默认为老板的打工仔,如果把自己默认为老板的打工仔,则不能真正发挥自己主观能动性,不利于培养独立工作能力。老板是董事长,手下的学生应该把自己默认为项目经理,要把老板交给自己的工作真正当作自己的事情,真正落到实处。要独当一面,做好可行性分析、项目设计、药品管理、经费管理、时间管理和文字处理,在科研中培养管理能力和独立工作能力。

(心得:受教了,以后也要锻炼出独当一面的能力。科研有时候和做生意是相通的。—— chenyusiyuan) 

    充分发挥主观能动性,做不好实验,连觉也睡不着,中午也不要休息了。只有有这样的心态,才能做好科研,否则把自己当作国营企业职工,下班铃一响就吃饭,今天没干完的事情留到明天去做吧,实验做不好就做不好,自己也不急,只故自己打游戏上网看录象,这样怎么能做出出色的科研呢?

    总之,我的观点是:民营企业家的那股锐气,那种为自己干活的精神,那种死死咬住不放精神,对于做科研的人来讲是有很大启示作用的。科研和管理其实有很多相通之处。

科研随想录(2)--对出文章态度的再认识

    一个人对钱的观念和文明程度会随着拥有财富的增加而变化。我从小生活在贫民区,那里的人很穷,越是穷的人越是把一点钱看得比什么都大,涉及金钱利益的时候非常斤斤计较,看电视不开灯,冲马桶用掏米洗菜水,热死不乘空调车,在菜场里为了便宜五分钱还要讨价还价老半天,临走前还趁人不注意从摊贩那里捞上一把。子女为了房子展开激烈争夺的屡见不鲜!而当一个人有一千万的时候,对钱的认识和文明程度会有新的变化,人们会为了成就感而工作,为了自己的兴趣爱好而工作,而不是为了吃饭而工作。人们会更加慷慨,更加心胸宽广。至于象李嘉诚那样,就更是一种新境界了。

    同样,我对出文章的态度也随着出文章数的增加而变化。没有文章的时候很喜欢出文章,觉得文章多很扎台型,现在不是到处搞攀比吗?为了出文章,据复旦校报上讲,现在很多人不是流行一篇文章拆成三篇来写吗?不是流行“快报 + 长文章”吗?评奖学金不是要文章吗?出国不是要文章吗?

    以前有人批评我的文章是短文章,我忿忿不平地说:“短文章也是文章!有总比没好!”,但是随着文章数的增加,我觉得文章多又不能当饭吃。如果我要出国,那么两页的中国文章也拿不出去啊。如果我将来要当教授,那么底下的评委又不是傻瓜,文章档次当然很重要。看了外面一些学校一些人的博士论文最后一页“文章发表目录”,发现有的人文章很多,三十几篇,但都是名字也没有听到过的杂志和会议论文,而且一大半都是第10作者,一篇外国文章也没有。这样的“文章多”,给人一种什么感觉呢?

    随着阅历的增加,我更多地接触了Journal of Catalysis上的文章,更多地了解了我的美国老板——Zaera教授文章和老板的老板——Somorjai的第一流的文章。Zaera的文章并不多,一年只出10篇,起初我带着一些嘲笑的眼光看这个数字“10篇”,但是查到原文,发现这所谓“10篇”,真是一篇抵得上中国人10篇,文章长得不得了,每篇文章印出来15-20页左右,数据多得难以想象,讨论占文章长度的1/2。至于内容,更是有意义的。看了这些文章,的确对我出文章的态度产生很大影响,即:我希望我将来的 Paper List 上都是长文章,都是高质量的文章,这也是中国老板经常教育我的。

科研随想录(3)——两种不同的科研风格

    我们实验室今年有两个人出国——我和我师兄。我们从主观上讲都想搞好科研,但我们的科研风格,是两种各有千秋的风格。

    我师兄是那种沉得住气的人。他喜欢做那种难度大得惊人的课题,而对“不做也能想象得出大致结果”的课题显然不感兴趣。他可以容忍一年甚至更长时间实验毫无进展,他能够忍受成百次的失败,他能从容不迫地坚持做实验到硕士论文写作前几天,他能卧薪尝胆待业考托福GRE联系出国。

    而我的科研风格,受做生意影响很大。6-7年前的两个暑假,我在舅舅的公司当销售员。做零售就是这么一种心态,就是“每天要确保营业额”,如果今天没有什么生意,宁可降价也要确保营业额,如果当天不完成一定的营业额,心里很是不安,如果几天没有做到生意,更是急死了。做生意还有另外一种心态,就是总归拣好做的来做,不好做的不做。

    于是,到目前为止,我的科研风格就是喜欢做那些每天都有数据进帐的实验,哪怕是机械操作。我不大喜欢做难度大得惊人、连影子也没有的课题。我倒比较喜欢做工作量大得惊人,但至少能做出来、每天都有收获、每天都知道明天该做什么的课题。

    我师兄和我科研风格的不同,除了和彼此个性有关以外,可能和专业特点有关。他搞的是材料合成,我搞的是催化。材料合成要动脑子的,失败的可能性大;而催化是“苦功型”的。你说真正有多少特别的创造发明在里面?很少有。催化就是不厌其繁地做做做,焙烧温度的影响、负载量的影响、稳定性考察,或者是TG结果、TEM结果、XPS结果、IR结果、XRD结果、反应测试结果......

(心得:做实验要耐心、细致、坚持、考虑周全。—— chenyusiyuan)

    我难以区分这两种科研风格,哪种更好些。也许我们以后也要做生意的,这两种风格照样还会体现在彼此的做生意风格中......

科研随想录(4)——发表文章和积累

    很多同学都希望出引用因子高的文章,其实出文章也有积累效应的。催化界文章的最高境界是Journal of Catalysis,这个杂志并不是随便投投就一投即中的。

    在Journal of Catalysis发表文章是需要工作积累的。这包括两层意思:一层是在这个课题上做过很多铺垫性的工作,获得了很多经验,在自己经验和积累的基础上,在自己体会深刻的领域,往往能够取得突破;第二层意思是你在这个领域做多了,发表了很多文章,到最后这个领域的专家都认识你了,知道你的工作的系统性、可靠性和对这个领域的重要性,那么给予发表乃是顺理成章的事情了。即审稿人就是搞这一行的,也看人头的,也知道做这一行有这么个小有名气的人,而假设一个“某某师范高等专科学校教务处”的名字也没听到过的人也来投这个杂志,多半是退稿;如果审稿人是大同行而不是小同行,也会看投稿人的“参考文献”部分,以前有无在这个领域发表过文章,在这个领域的国际杂志上发表很多系列工作的人比什么也没发表过的“新面孔”录取机会高得多

(心得:科研要沉得住气,要有系统性,注意积累。十年树木,百年树人。—— chenyusiyuan)

    2000年,我们课题组实现了Journal of Catalysis零的突破,而为了这个零的突破,我们在固体超强酸方面做了10年的铺垫,形成了一套成熟的催化剂制备、表征方法,搭好了装置,并熟透了文献。10年来发表了一系列工作,逐渐从国内走向国外,工作被国外多篇REVIEW引用,国外一些做超强酸的大家也来函索取发表在中国杂志上的文章。正是在这样一种好氛围的熏陶下,才能够形成一定的飞跃,厚积才能薄发。当时设想我们组如果能有突破的话,最有希望在这个领域突破,可以说那篇Journal of Catalysis是偶然中的必然。

(心得:想起了蚁群算法之父Dorigo,1991年提出蚁群算法的时候,学界一点反应都没有,但Dorigo一直在坚持着,对蚁群算法进行了系统研究,建立模型、实验验证、应用探索……踏踏实实地夯实根基,终于有了1995年那篇蚁群算法里程碑意义的经典论文。—— chenyusiyuan)

    一回生,二回熟。同一个杂志投多了,编辑也知道你投过来的稿子都是很有意思的,而不是“戳一枪”混一篇文章。老客户了嘛,因此就很好通过了。这也是一种累积效应。

科研随想录(5)——“废数据” (推荐!)

    大家硕士毕业了,完成了薄薄的一本硕士论文,但是回过头去想想,这三年里面,人也天天在实验室,但是为什么硕士论文那么薄?吉林大学徐如人小组的学生人人出一堆文章,而我们为什么出文章那么慢?

    大家一样在做实验,但是我们的数据的“有效利用率”是多少呢?起码1/3-1/2的的数据都是废数据!科研是要能够耐得住失败的,但是很多失败都是自己主观原因造成的!!!

    首先,不看文献不做实验。不要文献也不查查好,急着做实验想一星期出篇文章,结果做了老半天,再看看文献,发现几年前别人已经做过了。或者文献的实验部分也不看看清楚就做实验,等到写文章了才发现自己的反应条件全部都是错误的,全是废数据。还有,文献也不看看清楚,等实验做完了才发现自己的结果和前人结果有严重矛盾,自己又不是什么一言九鼎的催化大师,写好的文章也只能往垃圾桶里扔了。

    其次,药品纯不纯啊?不要跟我说你从实验室角落里随便拿了一瓶什么“1970年国营**化工厂”的药品来做实验噢。在有些精细的实验中,即使是买来的“分析纯”的药品,都要事先检验纯净度的。提纯是难免的。别到了最后才发现药品不纯,结果做的数据全废了。

    再次,不要节约用钱啊。在家里不要把水龙头拧成滴水成线而水表不转的状态,在实验室不要把气相色谱记录仪的走纸速度调成只出峰面积而不走纸的状态。光看峰面积,你叫我如何判断这个数据有用没用?假设基线没走稳,则数据没用,但是如果记录仪不走纸,我如何判断基线有无走稳?

    善于观察的人能发现新现象,实验中往往能发现微量的新物种,这些物种对判断反应机理有重要作用。比如有人发现在固体超强酸催化烷烃异构化中有微量烯烃生成,于是新的反应机理就突破了。而假如你把气相色谱的最小峰面积设得很大,那么你怎么判断有没有新物种生成?如果有,量又是多少?

    还有,实验条件事先设计好了没有啊?不要对我说你的这个系列催化剂负载量是10%、20%、30%、40%,而那个系列催化剂负载量是0.1、0.2、0.3、0.4 g/g 载体噢!!这两种计量方法是不同的,在同一篇文章中出现两种计量方法是非常可笑的,把一种换算成另外一种,就会带来“负载量为 9.09%, 16.67%, 23.08%, 28.58%”这样难看的数字。而且两个系列催化剂之间根本无法对比,因为它们的计量是不同的。

    做实验还真是一门学问,没有猛干精神不行,光有猛干精神更不行。“多动脑筋少动手”,不错不错!!

科研随想录(6)——出文章秘诀 (推荐!)

    系里规定硕士毕业要一篇SCI,博士要两篇SCI,能否完成?很多同学愁眉苦脸怕完不成,其实是不知道“行情”,吉林大学、大连化物所、南京大学有些牛人的学生,出起文章来速度很快。博士毕业10篇外国文章都不希奇。

    出文章,的确有窍门!!别的我不敢说,我来说说催化吧!! 


    首先,“鲜花需要绿叶陪衬”,你研制出一种好催化剂,你就要拿10种不做也知道没有活性的催化剂来衬托它的好。大家都是这么做的,否则审稿人就会说:“空白实验做过了吗?不加催化剂有没有活性啊?你的二元金属氧化物活性很高,你和它们各自的母体氧化物比较过吗?不比较你怎么证明二元比一元好?你的是二元固熔体,你做过二元氧化物机械混合的催化剂吗?你的是Si-Al,你做过Si-Ti吗?你做过Si-V吗?你怎么知道Si-Al最好?还有,你的催化剂和文献报道的最好的催化剂比较过吗?退稿!!”

(心得:这审稿人一连串的发炮,够震撼啊!由此也加深了一个认识,研究的成果不能“黄婆卖瓜——自卖自夸”,有比较才有优劣,看看那些十几二十页的论文,一半版面都是在比较、分析、讨论的,这就是严谨、认真。—— chenyusiyuan)

    其次,数据越多越好,有些东西也许是你不做也知道的,但是不能因为不做也知道规律而不做,越是做得出的东西越是要做。文章里不能老是有标新立异的东西,大路货也要有,这是文章的血,这是文章的肉,这是稳拿的数据,这是体现工作量的,没有功劳也有苦劳

    比如外国催化大师做杂多酸铯盐的新反应,每开发一个新反应,自然先要把杂多酸铯盐表征一番。这种东西不做也知道什么样,但做了更好。XRD,红外,热重,酸量......这种稳拿的数据先做好,然后做一个别人从来也没做过的反应,就可以发篇好文章。

    还有,外国有的人机械研磨法做LiMn2O4尖晶石,用来做电池。那种文章很好出。要是轮到一些不会混文章的人来做实验,准保是“一点法”,即给出一个最佳配方,然后测测电化学性质。那个外国人会做,他考察了研磨时间的影响:不研磨、研磨2, 4, 6, 8, 10, 小时,看它们的XRD、比表面、TEM变化,很有规律;然后考察了焙烧温度的影响:不焙烧、200,400,600,800,1000,1200度焙烧,看它们的它们的XRD、比表面、TEM变化,很有规律,并用TG/DTA和前面结果关联;最后考察了样品的电化学性质,就出了篇好文章。

    这可不是投机混文章,这是科学的严谨态度!这是不厌其烦!!很多科学家都是这么做的!!比如 Surface Science 上面很多文章都是这么做条件实验的:改变吸附气体的吸附量,改变脱附温度......

[2008评注: 科研认真精神是需要的,但是做实验前要想清楚这个体系有没有意思?没有意思就不要详细考察条件的影响,而是应该放弃。]

    要想出长文章就是要苦做,数据往多里做,文章往长里写。想省力,最好做两个星期就出篇文章反而适得其反。做实验不一定是速率决定步骤,审稿才是。与其数据不丰满而被退稿,来回四个月过去了,还不如静下心来把数据补补全,把文章写写好。把工作量调整到正好够发“某某学报”的程度而把工作嘎然而止是可惜的。要“法乎上,取其中”,数据能充实尽量充实,文章能丰满尽量丰满

    还有,写文章要“你有我有大家有”,充分引用他人工作。这可不是拍审稿人的马屁。文献没有引用好只能说明你文献把握不全,不能正确领会这个课题的意义和动向。另外,数据规律也要和别人大致吻合,提出一个观点要能找出三篇文献来证实我的观点,这是一种保险文章的写法。如果实验现象反常而没有合理解释,那只有退稿的份了。老实说很多文章都没有特别大的新异,要全文通篇有新意很难。中国人发发文章,往往是催化剂和别人不一样,但规律和前人的工作基本吻合,那也就可以了。

科研随想录(7)——合作精神

    是不是希望写文章的署名栏人越少越好啊?一开始我也是这么想的,但是时间长了,第一作者的文章多了,就不这么想了。

    有些人真把天下看成漆黑一片,仿佛天下老板都是什么事情都不做而挂名的。我当然不赞成随便挂名,但至少在复旦,主流还是好的嘛!!现在的老板又不是傻瓜,他不会随便给别人挂名而去冲淡自己的贡献。

    对所谓“挂名”的态度,表面上打着“反对挂名”的旗号,实际上是拒绝合作。表现在实验中拒绝和别人交流讨论,怕别人知道自己的实验情况,有些实验明明可以叫别人轻车熟路帮忙做一做,却偏偏要自己活受罪从头学起耽搁了实验进度,为的就是少署个名字;有的表征明明可以去做,做了有助于提高文章质量,把蛋糕做大,但自己的私心在那里作怪,怕别人“篡党夺权”而忍痛割爱不去做表征。以上都是“岛国文化”、小家子气,钻进小楼成一桶,一辈子都走不出自己的这个圆。

    年轻人,把什么署名先后拉,什么署多少人拉看得那么种有什么用?你要评院士,你并不会因为这两篇文章而评得上;你要找工作,回过头想想文章又有什么用,赚点钱不比你发篇文章强啊?不要老是把文章看做是自己的私人财产,没有课题组的积累,哪来的个人成就?没有人帮你搭仪器装置,没有人帮你测试样品,哪来的你的文章啊?理科不是文科,不是你坐在小房间里看看书动动脑子文章就出来的。

    这样私心这么重,这样怕合作(因为一合作,就必然涉及到作者名单的增长),以后谁还来和你合作啊?

[2008评注: 与人合作是很困难的事。Making the right moves一书介绍了与人合作的注意事项。]

科研随想录(8)——文献是个宝

    不读文献不做实验。否则,一是做了老半天发现别人做过了;二是做了老半天发现实验条件都是错误的。做了也白做

    文献读一遍是远远不够的,每读一遍都有新的收获。初次接触一个课题,往往看文献如坠入九里云雾中,不能深刻体会其精髓和实验细节的奥妙之处,只留连于具体的实验结果;做了实验,碰到难题了,回过头来再去分析、比较、仔细体会,方知奥妙之所在,对这个课题才会有更深的认识;等到写文章了,再看看文献,比较自己和文献的结果,庞征博引,使感性认识上升到理性高度;文章发表了,自己的文章也成了文献大海中的一朵小浪花。

    只有做了实验,才会真正读懂文献。也就是说,如果要写综述,自己没有做过这个课题,很难写好综述。而一旦读了很多文献,又做好了实验,研究生还是完全有能力写一篇综述的。很多同学抱怨出文章难,其实文献不能白看,看看文献也能在中国杂志出篇文章呢。这篇文章又可以算硕士论文第一章,真是一举两得。

科研随想录(9)——老板剥削论?

    我曾经说过到国外去干活,做出成绩都是老板的,这是剥削;别人还对我说我们研究生做实验,发表专利算老板的,不合算云云。其实我脑子早就变了,没有什么“被剥削”的概念。

    首先,出文章对你自己的前途有好处啊。出国看文章,我回国当长江学者黄河教授也看文章啊。没有老板的正确指导、流利写作和把关,没有老板的名字做招牌,你一个人能达到这种效果吗?老实说外国某教授的有些文章,是学生做实验老师写文章,在这种情况下即使老师挂第一作者也很正常嘛!!什么“剥削”啊,“剥削”啊。你看看那些文章嘛,讨论占一半以上!!没有老师那支笔、那个脑袋、那个名字,文章只能往低档次里投了。学生这样被“剥削”还是合算的。

    其次,干活培养你自己的能力啊。老板经常教诲我要热心公共事物,要做得多,手要勤脚要快,勇挑重担多做“额外”的事情。对于好学生就是要压担子,做得越多就越熟悉,就做得越快,别人赶也赶不上。几年来我深深感到老板的话是对的,我也在努力地做事。哪怕是跑跑财务科、采购采购仪器照样可以接触更多、培养能力!我的能力提高地飞快这些能力是抢也抢不走的。老板也非常乐意做很多“额外”的公共事情,同样是速度飞快,越做越快,任何人都赶不上。

    再次,老实说学生发表几篇文章,出了专利,本来就不产生什么巨大的经济效益。一般的,发表也只是发表了,所以剥削也无从谈起。

    做学徒就是要做的,脑子里不要有“被剥削”的感觉,才能学到真本事为我所用。三年研究生,你说你被老板剥削了,其实也未必,你也在为你的将来打造资历(文章)和能力(经验)的基础,这是千金不换的。特别是后者,一辈子受用啊!!

    也许有的人说我中毒了、着魔了,可我要说只有经历了,才真正会有体会——多做没错。

科研随想录(10)——一体化理论 (共鸣,同感,这样的科研是一种自得其乐)

    看来现在很多同学和老师的观念需要更新。如前文所说,科研中需要一种民营企业家精神。如果把这个观念再外推,就成了一体化理论,即:(1)科研和生活一体化;(2)科研和学习一体化。

    (1)科研和生活一体化:不严格按照国营科研单位“坐班时间”,而是跟着实验安排自己的休息时间,围着仪器转。仪器一转,午饭都可以不出去吃而呆在实验室一边看着仪器一边吃干粮;今天下午实验做完了,哪怕是“上班时间”照样可以回寝室睡上一觉,养足精神晚上好看文献动脑筋。或者可以去家乐福采购点东西,反正早晚都要采购的,现在有了“货物储备”,过几天就可以不去采购而安心做实验了。别人休息星期天,我偏要休息星期五而星期天工作,因为这时候仪器空闲。平时人多,仪器挤,走廊里电话响个不停,真是吵也吵死了!

    (2)科研和学习一体化:我的论调是在实验室里看TOEFL、GRE也没有什么不好的。这是年轻人积极奋发、志向远大的象征,总比在寝室里搓麻将或者在花园里搂搂抱抱强吧。一边看TOEFL、GRE,一边实验做得呱呱叫的人确有其人(不是我。)特别是对于催化实验,不就是半小时打一针吗。这是苦力活,从早做到晚。总不能叫我守在仪器旁边干坐着吧,看看英语,很正常嘛!再说暑假寒假,本来可以休息的,现在在实验室开着空调一边半小时打一针一边看我的英语书,公私兼顾嘛!!文章也出了,英语也看了,一举两得嘛!!

    现在很多老板都想通了。不让我看GRE我不来了,或者出工不出力,或者出一堆废数据浪费药品仪器,这不两败俱伤吗?再说现在出国的人希望多出文章好出国,不出国的人混篇文章毕业就行了。所以阻止学生出国是种荒谬的想法,不利于学生,也不利于老板效用最大化。

科研随想录(11)——能垒效应

    对于刚开始搞科研的人来说,绝对存在能垒效应。有的人做出成果的活化能大一点,有的人小一点,这和自己自身的功底有很大关系。基础没打好,活化能特别大,甚至连英语阅读、文章写作、图表绘制都会成为能垒的一部分。

    老师是催化剂,可以降低活化能。学生一旦开窍,再加上自己用心,就一发不可收拾。第一篇文章最难写,一旦突破能垒,以后投外国文章不再是不可逾越的鸿沟。

科研随想录(12)——科研逆境

    科研逆境是不可避免的,是我们所不愿意遇到的。本命年的时候我遇到过科研逆境,而且还是在科研顺境之后的科研逆境,其对比反差之强烈,令我寝食难安——整整一年都没有实验进展,在实验室里晃来晃去就象光吃米不下蛋的。我选择了放弃那个课题,另起炉灶。

    实验室里,谁没有走过弯路?少则半年,多则一年。有时候调仪器调了半年都没有调好,有时候做了一年都没有得到任何有价值的数据。我曾经问师兄,有没有遇到科研挫折,遇到了以后是如何消除的。他说的确遇到过,挫折就放在那里,做着做着就自然消除了。

    老板绝对不是那种随随便便就允许放弃的那种人。“活要见人,死要见尸”,你说实验遇到困难了,无法贯彻下去了,准备混过去了,老板就一定要知道为什么做不下去,而不是你说另起炉灶就另起炉灶。因为你做了几个月放弃了,那么即使你换了课题,说不定又做了几个月又放弃了,这就表明不是实验课题难,而是实验者自己的问题。在老板这种契而不舍的督促下,原先已经“做死”的很多题目没有被放弃,死死咬住,反而又获得了生机。这使我明白:

    实验逆境并不是不可逾越的,科学总是科学,该做得出的总归做得出,尽管存在能垒。如果做不出,也要明白为什么做不出,“活要见人,死要见尸”。静下心来好好分析实验失败的原因,静下心来做一做,而不要有急着“赌输了急着翻本”的心理,那么最后总归是做得出的。

科研随想录(13)——失活和再生

    我是研究催化的。催化剂有失活和再生,而作为科研主体的人,同样也有“失活和再生”现象!!

    科研者不是金刚,研究做长了在某段时间内会有“失活”现象,人累了,心倦了,灵感没有了,一拿起烧杯就厌烦。这就象谈恋爱时间长了,天天在一起,该干的事情都干了,就觉得不过如此,一点意思都没有了。

    做一个课题,绝对需要一鼓作气,设计实验的时候宁可做全一点,不要“敬酒不吃吃罚酒”,等到退稿了才去补数据。这时候一种厌倦的心情油然而生,“又要补数据啊”,而且仪器工作也改变了,仪器也坏了,实验结果和一年前做的不一定有精确的可比行性。

    长时间没有实验结果导致毕业压力大,同样也会产生“失活”现象,拿起烧杯的时候就想“别又是一堆废数据”,对科研彻底失去信心。再加上看看其他同学文章多,导师又催得紧,心理压力就更大了。

    科研热情的“再生”,有时可以通过“偏离”(deviation),即离开实验室,不去想任何实验问题,到外面社会上去走走看看,做不出实验就休息一段时间,让脑子充分地放松,然后再回到实验室做实验,有“小别胜新婚”的效果。

    可是,这种“再生”是“引发剂”,如果还是做不出东西,科研热情还是会熄灭。最好的再生是:做实验走上正轨,每天都出有用的数据,文章雏形更加清晰,这样的科研是不会疲倦的。

    我曾经“失活”过,后来又“再生”了。最好的实验安排,是整理完一篇文章,然后自由休息半个月。这半个月的休息比在实验室里继续泡着效果好得多。休息,是为了更好地工作。

科研随想录(14)——出文章和成就感

    歌星以新专辑层出不穷为成就感,民营企业家以开了10个公司为成就感,而我从出文章中获取成就感。

    《封神演义》中总有这样情节:“敌方”布下夺命的阵,“我方”一开始总是肉包子打狗有去无回,这时总有得道的仙人从容应对,凭着一朵莲花也能如入无人之境,任阵势险恶,能耐我何?

    投外国文章也是这样的。混篇中国文章很容易的,随便做做就有了;可要出篇外国文章需要很大的努力,要憋着一股气,做上半年才能实现。看中国多少人在国内杂志号称“首次发现......,突破了外国文献公认的观点”,可是这些人中国文章一大堆,还号称催化大师,怎么连篇外国文章都没有?所以,如果能达到投外国杂志指东打东,指西打西的境界,也是一种从容。为人所不能为,则有成就感。

    想想有些学校凭借三篇《化学学报》也能评个教授,难得出个《**师院学报》也要争先恐后地挂名,视其为油水,在复旦这么浓郁的科研气氛中成长,在不同的起点进步,我怎么没有成就感呢?这种成就感超越了工资的需要,超越了“出篇文章够毕业就行了”的态度,成为了我科研的驱动力之一。老实说,以出文章为科研驱动力之一也是正常的,真正“为了科学而科学”,做了实验只是自己探索科学奥妙而不发表的人绝对是少见的。

    最美丽的景色往往在最险峻的地方,自己征服了最险峻的地方才会有成就感,而花钱雇别人抬我上去,或者仅仅从照片上看到则没有这种真实的感觉。对于出文章,只有自己“为伊消得人憔悴”,在艰难中杀出一条血路才会体会到真正的成就感。所以,我是不喜欢互相交换挂名的。不做实验而交换挂名,文章是多,但是当文章一大堆的时候,那些第三作者的文章又有什么用?把我真正花力气辛辛苦苦做的第三作者文章都淹没在文章堆里了!

************************************************************

[1]  Chemistry Letters  第一作者 (1999)

[2]  Journal of Molecular Catalysis A  第一作者 (2000)

[3]  Chinese Journal of Chemistry  第一作者 (2000)

[4]  Catalysis Letters  第三作者 (2000)

[5]  化学通报(综述) 第一作者 (2001)

[6]  Journal of Molecular Catalysis A  第一作者 (2001)

[7]  Journal of Catalysis  第二作者 (2001)

[8]  Journal of Molecular Catalysis A  整理中 (2002)

科研随想录(15)——科研的心理屏障

    以前前进GRE教材第一篇文章就是方守成的文章,他指出以前从来没人考过2000分,所以大家都认为自己考不过2000分,以至于诱导了你的复习和临场发挥,最终果然不过2000分;自从第一个人过了2000分,以后又有一群人过了2000分,于是大家都认为考2000分如屡平地,冲破了这个“心理屏障”,所以人人都超过了2000分。

    我们复旦化学系绝对存在心理屏障。评奖学金的时候谁文章稍微多一点,下面的先生就跳出来说“不正常”云云。而在实验室里出文章有“极限效应”,这个极限是12-13篇。一般的博士出个三五篇文章以后,“心理屏障”效应就开始发挥作用了,不再向极限冲刺。

    其实,你要是看看外面的科研单位,如今的那些杰出青年、长江学者在当年做博士的时候就显现出来了。南京大学毕业的金国新,戴安邦院士的学生,博士论文219页,博士期间发表文章第一作者20篇;大连化物所毕业的肖丰收,郭燮贤院士的学生,博士期间发表第一作者文章16篇;大连化物所毕业的赵东源,郭燮贤院士的学生,博士期间发表文章15篇;吉林大学徐如人院士的学生,个个文章一大把。

    达到这样的高度没有什么“不正常”的,我们复旦完全能达到同
样的高度,很多时候是“心理屏障”在作祟而阻挡了前进的脚步。有种人做实验有股“凶”劲,杀气腾腾,死死盯住不放,猛冲猛打、掘地三尺,抱定“与众不同”的决心,对自己高标准严要求,这样就可以达到以上各位同样的高度了。

[2008评注: 不能以文章数目和杂志的名称来论英雄。有的人发了很多文章,别人也不承认;有的老外发了很少文章,却被尊为国际权威。对于研究生来说,首先要把重心放在学到什么东西。如果没有学到什么东西,出再多文章也没有用。让我们想象一个情景:一个研究生在做自己研究课题的同时,还东打一枪、西打一枪做了很多无关的文章。那么,这就是没有形成体系化,没有学到东西在做自己课题的同时读英语都比在做自己课题的同时做无关的科研文章强。]

posted @ 2008-11-04 10:29 小强摩羯座 阅读(114) | 评论 (0)编辑 收藏

萝卜 @ 2005-06-23 08:16

from http://bbs.matwav.com/

数学建模竞赛中应当掌握的十类算法
排名如下:
1、蒙特卡罗算法(该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟可以来检验自己模型的正确性,是比赛时必用的方法)
2、数据拟合、参数估计、插值等数据处理算法(比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用Matlab作为工具)
3、线性规划、整数规划、多元规划、二次规划等规划类问题(建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通常使用Lindo、Lingo软件实现)
4、图论算法(这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备)
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法(这些算法是算法设计中比较常用的方法,很多场合可以用到竞赛中)
6、最优化理论的三大非经典算法:模拟退火法、神经网络、遗传算法(这些问题是用来解决一些较困难的最优化问题的算法,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用)
7、网格算法和穷举法(网格算法和穷举法都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模型本身而轻视算法的时候,可以使用这种暴力方案,最好使用一些高级语言作为编程工具)
8、一些连续离散化方法(很多问题都是实际来的,数据可以是连续的,而计算机只认的是离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的)
9、数值分析算法(如果在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用)
10、图象处理算法(赛题中有一类问题与图形有关,即使与图形无关,论文中也应该要不乏图片的,这些图形如何展示以及如何处理就是需要解决的问题,通常使用Matlab进行处理)


多吃些粗粮。

给别人比他们自己期许的更多,并且用心去做。

和别人分享自己的知识,那才是永恒之道!

熟记喜欢的诗歌。

不轻信听到的每件事,不要花光自己的所有,不要想睡多久就睡多久。

无论何时说我爱你,要真心实意。

无论何时说对不起,要看着对方的眼睛。

不要相信接吻时从不闭眼的伴侣。

相信一见钟情。

深情热烈地爱,也许会受伤,但这是使人生完整的唯一方法。

找一个爱聊的人结婚 ,因为当年龄大了以后,我们会发觉喜欢聊天是一个人最大的优点。

无论是烹调还是爱情,都用百分之百的负责态度对待,但是不要期求太多的回报。

家庭的融洽氛围是难能可贵的。

尽全力让家平顺和谐。

和亲近的人吵嘴的时候,试着就事论事,不要扯出那些陈芝麻,烂谷子的事。

给妈妈打电话。如果不行,至少在心里想着她。

当别人打喷嚏时,说一声菩萨保佑

记住:最好的关系存在于对别人的爱胜于对别人的索求之上。

永远不要忽视别人的梦想。

当别人问自己不想回答的问题时,笑着说你为什么想知道?

用一种明确的方法解决争议,不要冒犯。

永远不要以貌取人。

记住三个:尊重自己;尊重别人;保持尊严,对自己的行为负责。

不要让小小的争端损毁了一段伟大的友谊。

无论何时发现自己做错了,竭尽所能去弥补。动作要快!

无论什么时候打电话,摘起话筒的时候要微笑,因为对方能感觉到!

慢慢地说,但要迅速地想。

只有那些敢于承担最大风险的人才能得到最深的爱和最大的成就。

如果失败了,要记住及时汲取教训。

找点时间,单独呆会儿。

欣然接收改变,但是不要摒弃自己的个人理念。

记住,沉默是金。

多看点书,少看点电视。

过一种高尚而诚实的生活。当年老时回想起过去,我就能再一次享受人生。

相信上帝,但是别忘了锁门。

不要摆脱不了昨天。

多注意言下之意。

忙自己该做的事。

每年至少去一个从没去过的地方。

如果赚了很多钱,在活着的时候多行善事。

记住:有时候,不是最好的收获也是一种好运。

深刻理解所有的规则,合理地更新他们。

回头看看我发誓取得的目标,然后评判自己到底有多成功。

善待我们的地球。

不要愚弄自然母亲。



晨宇思远:这篇文章应该是台湾或香港一位学者的生活感言,对我影响挺大,特在此和大家一起分享。人生,应该注重的,是积累,是过程……

 

【原文】

     许多同学应该都还记得联考前夕的焦虑:差一分可能要掉好几个志愿,甚至于一生的命运从此改观!到了大四,这种焦虑可能更强烈而复杂:到底要先当兵,就业,还是先考研究所?
     我就经常碰到学生充满焦虑的问我这些问题。可是,这些焦虑实在是莫须有的!生命是一种长期而持续的累积过程,绝不会因为单一的事件而毁了一个人的一生,也不会因为单一的事件而救了一个人的一生。属于我们该得的,迟早会得到;属于我们不该得的,即使侥幸巧取也不可能长久保有。如果我们看清这个事实,许多所谓人生的重大抉择就可以淡然处之,根本无需焦虑。而所谓人生的困境,也往往当下就变得无足挂齿。
      我自己就是一个活生生的例子。从一进大学就决定不再念研究所,所以,大学四年的时间多半在念人文科学的东西。毕业后工作了几年,才决定要念研究所。硕士毕业后,立下决心:从此不再为文凭而念书。谁知道,世事难料,当了五年讲师后,我又被时势所迫,整装出国念博士。
      出国时,一位大学同学笑我:全班最晚念博士的都要回国了,你现在才要出去?两年后我从剑桥回来,觉得人生际遇无常,莫此为甚:一个从大一就决定再也不钻营学位的人,竟然连硕士和博士都拿到了!属于我们该得的,哪样曾经少过?而人生中该得与不该得的究竟有多少,我们又何曾知晓?从此我对际遇一事不能不更加淡然。当讲师期间,有些态度较极端的学生会当面表现出他们的不屑;从剑桥回来时,却被学生当做不得了的事看待。这种表面上的大起大落,其实都是好事者之言,完全看不到事实的真相。从表面上看来,两年就拿到剑桥博士,这好像很了不起。但是,在这两年之前我已经花整整一年,将研究主题有关的论文全部看完,并找出研究方向;而之前更已花三年时间做控制方面的研究,并且在国际著名的学术期刊中发表论文。
      而从硕士毕业到拿博士,期间七年的时间我从不停止过研究与自修。所以,这个博士其实是累积了七年的成果,或者,只算我花在控制学门的时间,也至少有五年),根本也没什么好惊讶的。

      常人不从长期而持续的累积过程来看待生命因积蓄而有的成果,老爱在表面上以断裂而孤立的事件夸大议论,因此每每在平淡无奇的事件上强做悲喜。可是对我来讲,当讲师期间被学生瞧不起,以及剑桥刚回来时被同学夸大本事,都只是表象。
      事实是:我只在乎每天二十四小时点点滴滴的累积。拿硕士或博士只是特定时刻里这些成果累积的外在展示而已,人生命中真实的累积从不曾因这些事件而终止或加添。常有学生满怀忧虑的问我:
      ”老师,我很想先当完兵,工作一两年再考研究所。这样好吗?”
      ”很好,这样子有机会先用实务来印证学理,你念研究所时会比别人了解自己要的是什么。”
      ”可是,我怕当完兵又工作后,会失去斗志,因此考不上研究所。”
      ”那你就先考研究所好了。”
      ”可是,假如我先念研究所,我怕自己又会像念大学时一样茫然,因此念的不甘不愿的。”
      ”那你还是先去工作好了!”
      ”可是……”
      我完全可以体会到他们的焦虑,可是却无法压抑住对于这种话的感慨。其实,说穿了他所需要的就是两年研究所加两年工作,以便加深知识的深广度和获取实务经验。先工作或先升学,表面上大相迳庭,其实骨子里的差别根本可以忽略。在朝三暮四这个成语故事里,主人原本喂养猴子的橡实是早上四颗下午三颗,后来改为朝三暮四,猴子就不高兴而坚持改回到朝四暮三。其实,先工作或先升学,期间差异就有如朝三暮四与朝四暮三,原不值得计较。但是,我们经常看不到这种生命过程中长远而持续的累积,老爱将一时际遇中的小差别夸大到攸关生死的地步
      最讽刺的是:当我们面对两个可能的方案,而焦虑的不知何所抉择时,通常表示这两个方案可能一样好,或者一样坏,因而实际上选择哪个都一样,唯一的差别只是先后之序而已。而且,愈是让我们焦虑得厉害的,其实差别越小,愈不值得焦虑。反而真正有明显的好坏差别时,我们轻易的就知道该怎么做了。可是我们却经常看不到长远的将来,短视的盯著两案短期内的得失:想选甲案,就舍不得乙案的好处;想选乙案,又舍不得甲案的好处。如果看得够远,人生常则八,九十,短则五,六十年,先做哪一件事又有什么关系?甚至当完兵又工作后,再花一整年准备研究所,又有什么了不起?当然,有些人还是会忧虑说:我当完兵又工作后,会不会因为家累或记忆力衰退而比较难考上研究所?
      我只能这样回答:一个人考不上研究所,只有两个可能:或者他不够聪明,或者他的确够聪明。不够聪明而考不上,那也没什么好抱怨的。假如你够聪明,还考不上研究所,那只能说你的决心不够强。假如你是决心不够强,就表示你生命中还有其他的可能性,其重要程度并不下于硕士学位,而你舍不得丢下他。既然如此,考不上研究所也无须感到遗憾。不是吗?
      人生的路这么多,为什么要老斤斤计较著一个可能性?我高中最要好的朋友,一生背运:高中考两次,高一念两次,大学又考两次,甚至连机车驾照都考两次。毕业后,他告诉自己:我没有人脉,也没有学历,只能靠加倍的诚恳和努力。现在,他自己拥有一家公司,年收入数千万。
     一个人在升学过程中不顺利,而在事业上顺利,这是常见的事。有才华的人,不会因为被名校拒绝而连带失去他的才华,只不过要另外找适合他表现的场所而已。反过来,一个人在升学过程中太顺利,也难免因而放不下身段去创业,而只能乖乖领薪水过活。福祸如何,谁能全面知晓?
      我们又有什么好得意?又有什么好忧虑?人生的得与失,有时候怎么也说不清楚,有时候却再简单不过了:我们得到平日累积的成果,而失去我们不曾努力累积的!所以重要的不是和别人比成就,而是努力去做自己想做的。功不唐捐,最后该得到的不会少你一分,不该得到的也不会多你一分。
      好像是前年的时候,我在往艺术中心的路上遇到一位高中同学。他在南加大当电机系的副教授,被清华电机聘回来开短期课程。从高中时代他就很用功,以第一志愿上台大电机后,四年都拿书卷奖,相信他在专业上的研究也已卓然有成。回想高中入学时,我们两个人的智力测验成绩分居全学年第一,第二名。可是从高一我就不曾放弃自己喜欢的文学,音乐,书法,艺术和哲学,而他却始终不曾分心,因此两个人在学术上的差距只会愈来愈远。反过来说,这十几二十年我在人文领域所获得的满足,恐怕已远非他所能理解的了。我太太问过我,如果我肯全心专注于一个研究领域,是不是至少会赶上这位同学的成就?我不这样想,两个不同性情的人,注定要走两条不同的路。不该得的东西,我们注定是得不到的,随随便便拿两个人来比,只看到他所得到的,却看不到他所失去的,这有什么意义?
      有次清华电台访问我:老师你如何面对你人生中的困境?我当场愣在那里,怎么样都想不出我这一生什么时候有过困境!后来仔细回想,才发现:我不是没有过困境,而是被常人当作困境的境遇,我都当作一时的际遇,不曾在意过而已。刚服完兵役时,长子已出生却还找不到工作。我曾焦虑过,却又觉得迟早会有工作,报酬也不至于低的离谱,不曾太放在心上。念硕士期间,家计全靠太太的薪水,省吃俭用,对我而言又算不上困境。一来,精神上我过的很充实,二来我知道这一切是为了让自己有机会转行去教书(做自己想做的事)。三十一岁才要出国,而同学正要回系上任教,我很紧张(不知道剑桥要求的有多严),却不曾丧气。因为,我知道自己过去一直很努力,也有很满意的心得和成果,只不过别人看不到而已。我没有过困境,因为我从不在乎外在的得失,也不武断的和别人比高下,而只在乎自己内在真实的累积。
      我没有过困境,因为我确实了解到:生命是一种长期而持续的累积过程,绝不会因为单一的事件而有剧烈的起伏。同时我也相信:属于我们该得的,迟早会得到;属于我们不该得的,即使一分也不可能加增。假如你可以持有相同的信念,那么人生于你也会是宽广而长远,没有什么了不得的困境,也没有什么好焦虑的了







posted @ 2008-11-04 09:27 小强摩羯座 阅读(197) | 评论 (0)编辑 收藏

仅列出标题
共20页: First 上一页 7 8 9 10 11 12 13 14 15 下一页 Last