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