《数学之美》一些知识

在读了吴军老师《数学之美》这本书后，才发现原来所学的数学知识在生活中的方方面面都有所运用，很多现实的问题都可以转换成合适的数学模型去解答，以下是我从中所了解到的一些知识。
1.信息的冗余是信息安全的保障
2.罗塞塔石碑的破译—–了解了5000年前的埃及历史
图灵测试
让人和机器进行交流，如果人无法判断自己交流的对象是人还是机器，就说明这个机器有智能了。
分词：中文信息处理的基础
几个模型

• 统计数学模型：被广泛运用于机器翻译、语音识别、印刷体或手写体识别、拼写纠错、汉字输入和文献查询
• 隐含马尔可夫模型：应用于通信领域，然后被推广到语音和语言处理，成为连接自然语言处理和通信的桥梁，同时也是机器学习的主要工具之一

搜索引擎
1. 布尔代数
搜索引擎最重要的是建立索引，索引又是基于数据库的，数据库的查询语句（SQL）支持各种复杂的逻辑组合，背后的基本原理是基于布尔运算的。
2. 图和网络爬虫
图是离散数学中的一个重要知识点。
自动下载互联网的网页：图论的遍历算法

1. 深度优先遍历：先访问相邻结点，再通过相邻的访问到所有（一条路走到黑）
2. 广度优先遍历：先访问相邻的结点，再通过这些相邻的结点去访问与其直接相邻的结点（范围尽可能广的去访问）

网络爬虫：通过超链接，从任何一个网页出发，用图的遍历算法自动访问到每一个网页并把它们存起来，并通过“哈希表”来记录已经被下载过的网页

URL：统一资源定位符（指出文件的位置以及浏览器应该如何处理）

---

新闻分类：应用余弦定理
文本自动分类：期望最大化算法
人工神经网络应用：语音识别、机器翻译、股票预测等
大数据：多维度和完备性
分治法：将一个简单的问题，分成若干个简单的子问题进行解决，然后，对子问题的结果进行合并，得到原问题的解。
计算复杂度：P问题、NP问题、NPC问题
P问题：在多项式时间内能解决的问题（NP的子集）
NP问题：可以在多项式时间内里验证一个解的问题，不论目前这个问题能否找到多项式复杂度算法
NPC问题：是NP的一个子集，且其中每一个问题均能由NP中的任何问题在多项式时间内转化而成

---

一些提及的知识点

1. 数据挖掘
2. Google云计算
3. 搜索广告和逻辑回归

---

当遇到比较麻烦问题的的时候，先解决80%的问题，再慢慢解决剩下的20%问题，不要一开始就追求大而全。

                                         2017.12.18