730-2

1 和xiu老师的博后交流

1.1 机器学习的一些问题

主要是因为经费多，好申请。长期来看，这个方向还有很大的前景。现在美国起步早于国内，过几年国内也会慢慢做这个。就像当初的UQ-不确定量化一样，逐渐传到中国来。

【benchmark的选择】
目前，我们做的东西最好是找benchmark的例子来做。不然无法验证。
我们做数学的只是提出方法，验证方法的可行性。至于工业上的人怎么使用，那就是他们的事情。
找非benchmark的例子不好做出来。也就被别人占了先机。

【外延】
目前是没有办法做到外延的。没有学，就是没有学。否则就是真的人工智能了，可以完全的自己去创新的机器是可怕的。

【调整参数】
使用Adam，其他的就靠经验，然后来试。

【局部最小值】
这就是避免不了的，你想神经网络参数那么多，所以是控制不住的。你所找到的一定是局部最小值。但是只要loss降低到合适的程度，我们也就不在意这个局部了，就认为是最小值。也没有什么大影响。

1.2 机器学习的可以选择方向

一是图像识别-对于计算机的人可能比较友好。–加上【压缩感知技术】
二是最优化理论–这个比较好！–加上【不确定量化】

这是可以值得考虑的2个方向。

2 ssh -x 的问题

参考：
https://blog.csdn.net/fdd096030079/article/details/80986266