578.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: zz 作研究的几个方面
发信站: 南京大学小百合站 (Thu Aug  8 00:50:48 2002), 站内信件

领域不是很相同，但是研究的思想还是一致的。

发信人: bluewind (bluewind), 信区: image
标  题: 好久没来，我们这里探讨技术的不多哦？
发信站: 饮水思源 (Wed Aug  7 17:27:54 2002) , 转信

我来嚷嚷一下，希望大家多交流技术问题，其实image、graphics、signal,vision中有很多
共同的东西，不论你课题作什么，在这类领域中本质的处理方法其实殊路同归，归纳起来，
无非是以下几步：
（1）对研究的对象作出深入的理解，对其能给出恰当的模型，即建模过程。这里可能是最
重
要的一步，需要阅读大量我们这个领域和方向的文献，最好看看这个领域中一些大师的综述
性文章或经典教程（可惜很多国内无法及时获得），绝对捷径。
（2）对模型的输入输出、关系、系统性能做分析，然后用有效的方法去获得该问题的解。
这
里可易可难，可巧可繁，关键要有效，复杂的话，要非常复杂的数值解法（不过可以直接借
用数学家的成果），有时可能是策略或智能性的算法，这里要多看看一些计算机数学中的算
法，不过，大多数算法的模型都是有的，关键是和（1）中的模型结合。我看的大多数PAPER
就是在这里组合出来的，例如图象匹配问题，前面对相似度的选择有5-6中吧，接着的搜索
策
略好象就有几十中，然后后续的全局最优算法，又有很多，从多分辨、神经网络、模拟退火
、禁忌搜索，松弛迭代、遗传进化、动态规划、图论等，然后，在结合（1）中的模型如2参
数、3参数、4参数、6参数、8参数模型等，算算组合的可能性，难怪文章满天飞。
（3）对解的评价和估计。这里只有严谨的学者才会做。即对自己的算法或系统的可靠性、
一
们这个领域国内能算得上学者的仿佛没有，国外一些著名的研究机构和学者还不错。所以我
们作的东西大多数是都束之高阁，没有多少实用价值。因为根本没有作过多少实验和比较，
而且一篇文章短短几页，很多都是在前人的一些原形上作的，难免有断章取义之嫌。不过世
风如此，又能如何？

不管怎样，希望大家多多交流技术，特别是理论模型以及开发和实现的细节，这些可能才是
未来立足之本，希望

--
※ 来源:．饮水思源WWW bbs.sjtu.edu.cn. [FROM: 210.22.128.77]                 
                                           

--
              ***  端庄厚重 谦卑含容 事有归着 心存济物  ***
今天你挖了吗？ DataMining  http://DataMining.bbs.lilybbs.net 
 MathToolshttp://bbs.sjtu.edu.cn/cgi-bin/bbsdoc?board=MathTools 

※ 来源:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 211.80.38.29]