本科时,毕设主要做了用粒子群算法对网络簇进行聚类,期间发现进化算法是个很符合大自然演变规律的算法,从一个种群中进行进化,每一代都会选择最好的个体保留并与历史最好个体比较,这样一来最终保留下来的必然是最好的个体,也就是最好的解,其中最大的难度是如何构建问题,将一个实际的问题转化为数学公式或者数学表达形式,其次是适应度的定义,一个好的定义可以使得进化速度大大增强,当初在做毕设时,遇到过适应度选取不同,对于最终的性能的影响很大。
刚进研一,跟随着导师做基于和声搜索的特征选择,和声搜索也是一种进化算法,最大的特点是能够有个和声库,能够对每个变量进行单个优化,不像其他进化算法,是对整体进行移动,除此之外还学习了多个弱分类器集成强分类器的法力无边。
进入研二,开始了深度神经网络的学习,发现真是个神奇的东西,已经把计算机视觉给统治了,最大的特点是模拟了人脑的结构,回想进化算法,模拟了种群生物的进化,人+生物不就是构成了大自然的演变及稳定吗?是不是可以先进化再稳定,目前有这种想法,想在神经网络压缩方面尝试这种想法。