笔趣阁

布丁阅读>从大学讲师到首席院士免费阅读 > 第54节(第3页)

第54节(第3页)

会场里有些人礼貌的鼓掌,但多数掌声都来自前排,来自会议的举办方、评审、特邀专家,后排的学者们连象征性鼓掌都没有。

他们对于‘不感兴趣’、‘没多大意义’的研究,不大喊一声‘下去’、‘下去’,都已经很有礼貌了。

这就是真实的学术会议。

有实力才能赢得掌声,没实力就干脆别上去,学者们可不懂‘虚情假意的客套’。

王浩对于第一个报告也听了几耳朵,发现对自己没什么帮助,而且研发进展也很小,没有比较出彩的地方,就和其他人一样,也没什么兴趣了。

等到了第二个报告的时候,他就非常专注的耐心听了,甚至还用了一个‘教学币’。

其他人也同样很认真的听。

第一个报告等同于‘做个开场’,第二个报告、第三个报告则都是比较重要的,是会场评审方认为是有‘重大意义’的研究。

好多不需要作报告的学者,来参加会议的目的,也是听取有重大意义的研究,专业性的顶级会议,也是涨见识、学东西的地方,新的研究方向、新的内容,可以让学者们知道其他人在研究什么,是怎么样完成的研究,就能够开拓思考,找到与自己研发有关的灵感和方向。

王浩最看重三个报告,今天的第二场、第三场,还有明天上午第三场,也就是沙勉之和王明坤一起的研究。

现在进行的第二场,是一个牛津大学教授做的研究,是对于梯度下降算法计算复杂度的理论研究。

这是非常罕见的。

在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法,是一个求解某个数学函数最大最小值的过程,从计算产品的最佳生产方式,到工人轮班的最佳安排方法,‘梯度下降’算法都能派上用场。

但是相对于多方向的应用来说,相关理论研究却稀少的可怜。

这位作报告的牛津大学教授,从‘梯度下降算法在许多常见问题上效果不佳’,以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向,以数学计算机的方式,研究各类情况问题中的交集问题,从而对于梯度下降算法进行了理论论证。

王浩听得津津有味,论证中清晰的逻辑剖析,让他感觉对于逻辑论证的把握都更清晰了。

另一个反应就是——

【任务二,灵感值+1。】

听取了全程的报告,直接带来了‘任务二’一点灵感值收获,明显收获是很巨大的。

虽然只有一点灵感值,但要知道,‘任务二’是破解上帝之数,难度是A级别的,只是增加一点灵感值,也许会是很重要的提升。

牛津大学教授的报告获得了一致赞叹,完成的时候收获了一致的掌声。

沙勉之坐在了王浩的旁边,忍不住感叹道,“看来,想拿个最佳不容易啊!”他对自己的研究有信心,但要说压制刚才的报告可不好说,还是要看会议评审组的看法。

下面就是第三场。

会议第一天的第二场、第三场都可以说是压轴,有了刚才的精彩报告,好多人也期待其了第三场,上场的是来自芬兰赫尔辛基大学的西弥斯-戈尔利克斯,以及他的同事阿尔马洛夫。

报告的名称则是‘快速而准确的最小均方求解’,内容是对于最小均方算法,也就是LMS算法的改进。

西弥斯-戈尔利克斯上台以后,就骄傲的宣布,“我们找到了一种最为快速、最为准确的最小均方求解方法,这种方法可以让计算复杂度降低两个数量级以上,并且不会损失精度和改善的数值稳定性。”

这句话说出来立刻引起会场一片哗然。

最小均方求解是许多机器学习算法的核心,能够让计算复杂度降低两个以上数量级,可不是开玩笑的,那已经不是改善,而是‘跨越式的进步’。

比如,计算一个问题需要一亿次运算,下降两个数量级就变成了一百万次。

这显然是质的飞跃。

西弥斯-戈尔利克斯开始认真讲解说起来,他的同事阿尔马洛夫则在旁边做补充讲解,他们提出了一个非常新颖的分治法,然后用离散傅里叶变换算法,充当整体构架的‘掌舵’。

read_xia();

已完结热门小说推荐

最新标签