如何防止大脑进入短路状态
“人长期处于某种pattern之下就会进入短路状态，这种短路状态不断刺激相关的大脑区域得到加强（相关神经突触不断得到刺激），这种不断加强最终将让你深陷此模式不可自拔”
—-我
打个比方来说，如果你天天呆在家中不出门，那么你有可能“宅”上瘾，如果你天天打游戏，那么你就可能深陷游戏而无法自拔。因为每天的重复，你的大脑突触每天都会遵循相同pattern的刺激，如果没有遵循这一pattern，我相信相关的神经突触会相当的不爽，我觉得这就像人工神经网络中的训练一样，经过你长期的训练，你已经把你的大脑网络训练成了如此这般的依赖某种模式的刺激。
形成了固有模式的坏处就是你会变得停步不前，难以取得新的突破，喜欢陈旧的事物。
为了防止这样的刺激发生，必须经常改变你的行为模式，在家宅了三天就要出去走走，无所事事就会上网的时候，就要拿起一本书看看，只喜欢自然科学的时候就要加入人文科学。打破一种模式时间十分有意思的事情，最后你的大脑会形成“打破固有模式”的模式，那样你就变成了百变星君了。
所以，这就是我防止自己大脑短路的方式：多多寻求改变，打破固有模式
我要在35岁的时候买到一辆阿斯顿马丁
拥有一辆阿斯顿马丁是我的梦想，阿斯顿马丁的价格有高有低，DB系列在200万RMB左右，如果买一辆DB的话，我的资产至少应该有一千万才可能。（事实上，拥有一千万的时候，事业才刚刚起步，不应该花钱去买阿斯顿马丁，而是应该购入更多的资产，做更多的投资，但是，为了实现我的梦想，姑且认为一千万为买阿斯顿马丁的“起步”身价吧）。
拥有这么多钱的最好途径是有一个更有钱的爸爸，可惜，我的爸爸努力工作了一辈子也没有多少钱（仅仅有两处房产，一处为现在的居住地，另一处还处于负债状态），当然这也不能怪他，因为父亲的父亲是一介贫农，要不是毛泽东连房子都没有，并且我的父亲没有任何的理财、投资意识，何况他一生追求的并不是金钱。为此，拥有一辆阿斯顿马丁的重担，只能由我自己承担。我现年24岁，身无分文，还在读该死的博士，并且还有3.5年才能毕业（如果顺利的话），我无法要求自己在刚刚毕业（27岁）的时候就拥有阿斯顿马丁，因为这的确太难了，我给自己设定的目标是在35岁的时候，赚够1000万RMB，有能力购买自己的阿斯顿马丁。
如果我在毕业之后每年有15万剩余储蓄，并且可以保证通过我自己的理财每年20%的增长，那么在毕业后三年我有
（（15×1.2+15）×1.2+15）×1.2=65.52万
此时我已经30岁了，如果剩下五年我辞去工作，专心增加我的资产那么我必须做到:65.52×（1+x）5=1000
也就是：x=0.7
上面所述的只是数学，我想实际上应该是很难做到的（当然也不是不可能），尤其是当你的资产越来越多的时候。另一种方法就是早点起步，这样的话，指数项就会变大，而你的年投资回报就可以减低一点。我从现在做起就有十一年的时间，要知道指数是个神奇的东西：
a×（1+x）11=1000
如果x=0.4的话，那么a=25万
如果x=0.5的话，那么a=11万
如果x=0.7的话，那么a=3万
今年的目标就是赚够3万，可是目前我却身无分文，研究所所发工作用于我的日常开销，我需要做的就是现在就开始行动！身边的机会无处不在，只是我们缺少去发现这种机会的眼光，不在乎你的知识学得有多好，最关键的是你的观念+立即采取行动。
你的观念（克服困难）：
- 克服对可能失去金钱的恐惧心理
- 克服愤世嫉俗的心理，消除顾虑
- 消除懒惰，适当的贪婪，告诉自己我如何才能得到我想要的
- 建立良好的财务习惯
- 任何方面都不要傲慢
立即行动：
- 超现实的理由—-精神的力量
- 每天做出自己的选择—-选择的力量
- 慎重的选择交朋友—-关系的力量
- 掌握一种模式，然后再学习一种新的模式—–快速学习的力量
- 首先支付自己—–自律的力量(这是我做得最差的一点，要好好加强自律)
- 现金流量管理
- 人事管理
- 个人时间管理
- 给你的经纪人以优厚待遇—-好建议的力量
- 做一个“印第安给予者”—-无私的力量
- 资产用来购买奢侈品—-集中的力量
- 对英雄的崇拜—-神话的力量
- 先予后取—-给予的力量
最后一点，我可不是闹着玩的！看着我的行动吧!
最近颇有大脑短路之趋势，若不及时断开回路，必将导致主板损毁，中央处理器报废之严重后果。为人必日三省吾身，若知错不该，犯错不认，每日混沌，难成大事，古诗云“少壮不努力，老大途伤悲”
原文链接：How to read a research paper [pdf]
作者：Michael Mitzenmacher
译者：Esther
版权声明：本文可以任意转载，转载时请务必保持作者、译者署名的完整性。
本学期我们会讨论如何写论文。不过开课之前，我们要先搞懂如何读论文。我们的讨论前提是你有充分的理由仔细阅读论文。例如，我布置的作业（可能）是你要阅读的充分理由。如果要求你评判某篇论文或者它与你自己的论文相关，你也可能需要仔细阅读论文。我们后面也会讨论如何略读论文，这样你可以决定论文是否值得仔细阅读。
当你阅读论文时，你的目标是理解作者所做的科学贡献。这可不是一件容易事。一篇论文可能要求反复阅读很多遍，这会占用好几个小时。
阅读论文的基本指南：
批判性阅读：阅读论文必须是批判性过程。你不应假设作者总是正确的。事实上，要持有怀疑的态度。
批判性阅读需要提出适当的问题。如果作者想要解决一个问题，他们解决的是正确的问题吗？是否有作者没有考虑到的简单解决方案？该解决方案的局限性是什么（包括作者可能未注意到或者未明确承认的局限性）？
作者的假设是否合理？根据假设，文章是否逻辑清晰，理由是否充分，推理是否有缺陷？
如果作者提供出数据，他们是否收集到准确的数据来支持自己的论据？收集方法是否正确？他们阐释数据的方法是否合理？其他数据是否更令人信服？
创造性地阅读：批判性地阅读一篇文章很容易，因为破坏总比建设要来得容易。然而，创造性地阅读需要更努力更积极的思考。论文中有哪些优秀的想法？这些想法是否还有作者可能未想到的其他应用或延伸？是否可以进一步归纳？有无可能通过改善使其更具实际意义？如果你想从此论文开始进行研究，下一步你将做什么？
读论文时做笔记：
许多人在论文空白处做满了笔记。使用任何你喜欢的方式。如果你有问题或评论，写下来以免忘记；用下划线把作者强调的重点勾画出来；把重要数据或者有疑问的数据标记出来。这样有助于你初读一篇论文，几个月之后你重读时，会大有裨益。
在通读第一遍之后，试着用一两句话总结该论文。
几乎所有好的研究论文都试图为某一具体问题提供答案。（有时问题正是人们专门去回答的那个；有时好的想法正好解答了一个值得回答的问题。）如果你能够简明扼要地转述一篇论文，你可能已经找到作者的提问与相应的答案。一旦你专注于主题，就可以再次阅读，尝试通过罗列论文纲要对更多具体细节加深理解。实际上，如果用一两句话就能轻易总结一篇论文，那就再次阅读，尝试通过总结主要观点之中的三四个重要子观点来深化你的纲要。
如果可以，将该论文与其他文献进行比较。
对论文进行总结是尝试判定其科学贡献的一种方法。但要想真正衡量其科学贡献，你必须和该领域的其他文献进行比较。这些观点真得新颖吗，还是以前出现过？（当然，在这门课上，我们并不指望你成为专家，或者提前了解该领域。）
值得一提的是，科技论文稿件可以形式多样。有些论文提供新思想；有些通过实践展示这些观点如何工作；还有些将以前的观点融合一起，用新颖的框架将其结合。了解该领域的其他论文可以帮助你确定论文真正所做的贡献是哪一种。
在我们这门课上，我会经常让你们提供简短的论文简评，一页纸即可。这作业听上去简单，我希望你们多花些时间，尤其是在刚开始时。
（记住，我希望你们光是阅读论文就能花上几个小时！）在你读论文时，记住上面几点会使阅读过程更简单。
你的一页纸简评应包括以下内容：
- 用一两句话总结该论文。
- 对论文主题进行更深入更广泛的概括，包括所做的假设、呈现出的论据、分析出的数据以及最后得出的结论。
- 写出文中观点的局限性或延伸性。
- 你对该论文的看法，主要是观点的重要性和潜在影响。
/*———————————————–分割线———————————————————-*/
原文链接：How to Read a Paper[pdf]
作者：S. Keshav
译者：Aspirinnnnn
版权声明：本文可以任意转载，转载时请务必保持作者、译者署名的完整性。
摘要
研究者有很多的时间都花在了阅读论文上，但是，很少有课程教授这一技能，导致研究者在这方面花费时间却收效甚微。这篇文章将介绍一种实际可行并且高效的论文三步阅读法，我同样会介绍如何使用这一方法进行文献调查。
分类以及主题：介绍以及调查
概述：文档
关键字：论文、阅读、技巧
1、简介
研究者阅读论文往往因为如下几个理由阅读论文：为了会议或者教学而回顾论文，跟进自己所在领域的最近进展，为一个新的研究领域进行文献调研。典型的研究者每年会花费数百个小时进行文献阅读。
学习如何高效的进行文献阅读是一项关键技能但却鲜有教授。刚刚进入研究生阶段的学生不得不通过试错法来学习文献阅读方法。研究生为此花费过多时间，并且往往最后对此感到沮丧。
我使用一种简单的方法高效的进行文献阅读，这篇文章就介绍了“三步”法以及其在文献调研中的使用。
2、三步论文阅读法
关键的思想是论文的阅读不是简单的从开头读到结尾，而是分成三步，每一步完成一个特定的目标，并且是建立在前一步的基础上的：第一步将给出文章的主要思想，第二步抓住文章的内容而不深入细节，第三步帮你深度理解文章。
2.1 第一步：
第一步主要是通过快速浏览而获得文章的大体框架，并且可以帮助你觉得是否需要深入阅读（完成第二步、第三步），这一步大概需要5～10分钟的时间，并应该包括以下内容：
1、仔细的阅读标题、摘要、以及简介部分
2、阅读其他章节以及子章节的标题，忽略其他内容
3、阅读结论（conclusion）
4、浏览参考文献目录，剔除掉你已经阅读过的文献
完成第一步之后，应该可以回答以下的五个问题：
1、类别：这是什么类型的论文？评估型论文？对现有系统的分析？对实验原型的描述？
2、背景：与其相关的论文有哪些？在什么理论基础上读问题进行的分析？
3、正确性：文章提出的假设是否“看上去”有效？
4、贡献：这篇文章的主要贡献是什么？
5、明晰：这篇文章是否思路明晰？
基于以上的信息，你可以判断这篇文章是否吸引你，或者你对该领域知之甚少而无法理解该文章，或者作者提出了无效的假设，进而你可以选择不再继续后面的阅读。第一步适合那些不是你研究领域，但是在今后的研究中可能具有一定相关性的文章。
Incidentally, when you write a paper, you can expect most
reviewers (and readers) to make only one pass over it. Take
care to choose coherent section and sub-section titles and
to write concise and comprehensive abstracts. If a reviewer
cannot understand the gist after one pass, the paper will
likely be rejected; if a reader cannot understand the high-
lights of the paper after ve minutes, the paper will likely
never be read.2.2 第二步：
在第二步中，更加仔细的阅读文章，但是忽略如诸如证据之类的细节。（第二步）帮助你抄下文章的关键思想，或者在文章的留白地方做出自己的评注。
1、仔细阅读文章中的图片、图表、以及其他的图示，对图形要加以特别关注，坐标轴是否正确标注等，这样一些常见错误可以将优秀和粗陈烂造的文章区别开来。
2、对没有阅读过的参考文献加以标注，可以在需要更多了解文章的时候阅读。
第二步将使用将近一个小时的时间，在这一步之后，研究者应该可以得到文章的内容。你应该可以总结文章的有证据支持的突出重点。该详细层次上的阅读适合于研究者感兴趣，然而学术领域却与自己不尽相同的论文。
有些时候在完成了文章的第二步之后，你仍然无法理解某片论文。有可能文章的内容对你来说是较新，会遇到不熟悉的专业术语和缩写，或者作者使用了你不理解但已经被证实的技术，这样的（晦涩难懂）文章可能使用了未经证实的断言或者令人费解，或者过多参考引用，更或者是天色已晚，而你疲惫难堪。这个时候你可以决定：（a）将这篇论文放置一边，同时希望不要因为没有理解这篇文章而影响你的以后的成功（真会开玩笑），（b）在阅读了背景资料以后在看这篇文章，（c）就这样吧，进行第三步。
2.2 第三步：
要完全理解一片文章，尤其在你不是第N遍看它的时候，需要第三步。第三步的关键是实质上重新组织该论文：与作者一样提出相应的假设，并重现作者的工作。通过比较你的Re-Creation和作者的实际论文，你可以轻而易举的找出文章的创新点以及隐藏的不足和假设。
这一步要求专注于细节，读者应该辨别、挑战每一描述中的每一个假设，更加重要的是你必须想想自己如何回来如何展示这个idea，
SystemVerilog DPI and PLI
Stuart Sutherland 以The Verilog PLI Is Dead (maybe) Long Live The SystemVerilog DPI!为题对PLI和DPI做了深入的对比和探析，是了解PLI、DPI前生今世的好文。本文同样给出了何时使用PLI，何时使用DPI的建议。
文章最后给出的conclusion:
“the PLI 1.0 is dead…long live PLI VPI and the SystemVerilog DPI!”
LPW是The World-Wild-Web library For Perl的简写，由一套主要为WWW提供简单而又一致的API的module组成。LPW主要致力于提供帮助用户编写WWW Client，同时这个模块也包括一些通用以及一些事件类用以帮助用户实现简单的HTTP server
Library中大部分的module提供object oriented的API，发送请求、从服务器返回的响应都反映在了object的身上。
我们主要兴趣集中在使用LPW module，正如LPW的文档所述，整个“交互”过程非常之直白简单，由两部分组成：
建立请求对象并配置它，该对象随即被传送到server，之后我们会得到一个Response 对象，我们对该对象进行examine即可以得到我们需要的信息。
libwww提供了HTTP::Request类型和HTTP::Response类，但是对这些类的操作要通过User Agent来access，agent内部处理关于代理，协议等一些细节，用户可以将精力更加集中在自己关心的地方。 下面的例子来自于Perl Documentation
# Create a user agent object use LWP::UserAgent; $ua = LWP::UserAgent->new; $ua->agent("MyApp/0.1 "); # Create a request my $req = HTTP::Request->new(POST => 'http://search.cpan.org/search'); $req->content_type('application/x-www-form-urlencoded'); $req->content('query=libwww-perl&mode=dist'); # Pass request to the user agent and get a response back my $res = $ua->request($req); # Check the outcome of the response if ($res->is_success) { print $res->content; } else { print $res->status_line, "\n"; }
这段代码将打印出该网页的源代码。
该网页有三个地方可以进行用户交互，如下图所示：
用户会在文本栏目中输入搜索的内容，在下拉菜单中选择，并且最后点击CPAN Search按钮，为了实现上面的三个操作，我们建立如下请求：
# Create a request my $req = HTTP::Request->new(POST => 'http://search.cpan.org/search'); $req->content_type('application/x-www-form-urlencoded'); $req->content('query=libwww-perl&mode=dist');
配置好请求之后，“点击”Submit按钮发送，
my $res = $ua->request($req);
服务器端返回的是Response object，Response类支持数量众多的方法,
内容来自（http://www.emunix.emich.edu/~evett/BioinformaticsTools/Lecture18_WebAccess.html）
有感于老袁的blog
最近很长一段时间以来，我真的懈怠了，今天回到天津，回到天津大学，来到老袁的办公室，我被震惊了，话说72pines的blog，我已经经营了快两年之久了，虽然没有什么大不了的东西，但是还是有我不少心血的，老袁当年也是在我的什么什么之下开始开始在72pines建立blog并开始写作的。今天我感到我深深的被打击了，我已经半年没有写个屁的东西了，我要好好改正，像老袁学习，他的网址是： firestone.72pines.com
为了为即将到来的《加勒比海盗4》做好准备工作，老刑一口气看了前面的三部，他深深的被Captain Jack Sparrow所吸引…，当He Is A Pirate响起的时候，Jack无所畏惧，藐视一切，挑战世界，桀骜不驯的精神如灵魂出鞘，通过一个一个的音符感染着你。其实我想说的是，一部好看的电影不仅需要优秀的剧情、导演、演员，优秀的配乐也是必不可少的，视觉+听觉，这才让人身临其境，并且有时候音乐的感染能力更强。
影响最为深刻是99年，国庆长假，电影频道播放尼古拉斯凯奇、肖恩康纳利、艾德哈里斯(这几个才叫大腕呢…)主演的电影<The Rock>，电影以Hammel在他的妻子芭芭拉墓前鲜花开始，倾盆的大雨以及身旁经过的举着米国国旗的卫兵，艾德哈里斯扮演Captain Hammel作为一名爱国军人，在他决定夺取导弹之后，并以米国人民的生命为威胁之后，心中充满了矛盾，感慨万分。我们著名的配乐大师Hans Zimmer 用很低的低音描述了Hammel此时沉重的心情，将他的矛盾、迷惑、惆怅以及一个军人所特有的厚重、久经沙场之后的沧桑刻画地淋漓尽致。（话说99年我才读五年级，但是当时这段就很让我感慨）画面转向Hammel一伙劫取导弹，刚才的那曲Hummell Gets The Rockets也急转直下，将这批军人的有素的训练、淋漓的动作、坚强的意志表现出来，快速紧凑的节奏也于当时紧张的情节所协调。
从这部<The Rock>之后，我认识了Hans Zimmer，并且看电影的时候对配乐也更加关注了。
Hans 是个高产的配乐大师，《盗梦空间》、《超级大坏蛋》、《最后的武士》、《红潮风暴》、《Dark Knight》、《小马王》、《珍珠港》、《功夫熊猫》、《加勒比海盗》《大侦探福尔摩斯》、《兰戈》、《狮子王》……我觉得他比较擅长使用电子乐，营造那种震撼厚重的大场面和情节紧张刺激激动人心的快节奏都比较拿手，去年HBO的那个《太平洋战争》配乐都有他的份，里面那曲Honor真的是太Perfect了，加上HBO那被称为神一级的片头，仿佛就是置身于60多年前那段激动人心的战事以及厚重的历史。
当然还有很多配乐的牛人John Barry(007中的那段经典、与狼共舞中的西部狂野、走出非洲中的宏大草原，可惜大师今年死了……)、John William(星球大战那段激动人心的开头)、Ennio Morricone(美国往事、天堂电影院中的忧愁婉转)、James Horner（燃情岁月中的那段THE LUDLOWS）、Vangelis(火战车中那段跑步歌，激动呀)、久石让（亚洲的大师）、还有我觉得《Distric Nine》的那个Clinton Short也很有特色，很有非洲的感觉。
哪天我自己剪辑一下配乐、在陪上电影剪辑，自己做一段，哈哈哈，嗷嗷嗷嗷哦嗷嗷嗷嗷嗷嗷！！！！
Example-based image super-resolution with class-specific predictors
在给出一个低分辨率图像之后如何实现将其图像分辨率提高？最简单的办法是做内插，但是做内插丝毫没有提高图像的信息量，所以图像的细节仍然是不清楚的。有些算法是输入一系列的低分辨率图像上，整合多幅图像，最后合成一幅高分辨率的图像，因为尽管这一系列的图像描述的是一个东西，但是有些图像可能在某一点细节上描述得很好，将每幅图像的这些“好”组合起来就是可以构建一个高分辨率的图像。从信息量上讲，虽然这一系列的图像的相关性很高，但是也不至于每幅图的信息量一样，那么最后合成的高分辨率图像的信息量可能是H（X1,X2,X3…XN）
(这些都是我猜的，没有看过由多幅图像构建一幅高分辨率图像的文章)
如何在用过一幅图像来构建它的高分辨率图像呢？哪里去获得H(High Resolution Image)-H(Low Resolution Image)这么多的信息量呢？
很多算法在高分辨率图像的构建中使用光滑优先约束(Smoothness Priors Constraint)，当然这些约束都是人为加入的(很多时候靠的是自觉)，所以说这些条件下加入的信息量有点假，并且容易造成重构图像的过度平滑。文章提出的Example-Based方法就是通过对一些高分辨率-低分辨率图像对进行学习，最后来预测一个低分辨率图像的高频细节。
Baker and Kanade两个人就提出了一个“hallucination algorithm”幻觉算法，给出一个低分辨率图像，搜寻一个它最匹配的多级特征向量，而这个特征向量来自于大量的高分辨率-低分辨率图像补丁对(大量高分辨率-低分辨率图像补丁对组成了训练集合—Training Set)，这个特征向量说对应的高-低分辨率图像对，包含了低分辨率图像的特征和高分辨率图像的细节，所以匹配这个特征向量之后就得到了高分辨图像的细节。
很多这样的算法很多时候的工作是在一个巨大Training Set(所以运算量巨大)中找寻匹配的LR-HR Patch，所以完成的是一个“寻找、粘贴”的任务，就算找到了最佳匹配的Patch，但是却是错误的Patch，对重构图像反而不利。
本文提出的方法在高分辨率构建的时候使用分类预测器的来避免上段所描述的问题，并在研究过程中，提出了三个问题：“如何提取Training Set更加有效，它并不是越大越好”“如何对Training Set进行组织，以提高搜寻效率和训练过程(Training Process)”“如何通过Training Set 学习以改变简单的searching and pasting工作方式(本文使用了分类预测器)”
首先说这个Training Set其实就是LR Patch和HR Patch对，并且我觉得用Patch这个词真是好的不得了，这个分辨率问题就像补衣服…
首先取出一个HR-LR Patch 对的方法如下图所示：
对一个Example 高分辨率图像I0进行过多分辨率处理，得到差图L0和低分辨率差图L1，L0中对应的一个4×4块，在L1中对应一个2×2块，为了图像的连续性，在2×2块的外面在延伸一个像素，这样就组成了一个HR-LR patch 对，考虑L0中的所有情况就可以到一堆 Training Set of Patch-Pair。
这么多Patch对得到之后，它们中的有些纹理相同或者形状相同，所以进行Classification,打个比方来说，你现在手中有一堆书(知识细节很多，是HR的)，每本书都有一个书名(LR),将它们按照学科归类，以后才好找嘛!
这里归类的方法是进行矢量量化，每个类别用一个CodeVector进行描述，这些CodeVector组成了一个码书，这个码书就像图书馆中的总索引的意思。那么这个码书怎么产生呢，那就要前面产生的那一堆Patch-Pair了。
取出L1图像中的Block(4×4块)，将其表示为b=[b0,b1,b2……b15]，并将其转化为零均值，单位方差的X=[x0,x1……x15]，这个X就是一个CodeVector,如果最后获得了N个分类，那么就有N个CodeVector，这N个组成了一个CodeBook。
到目前为止，我们建立的码书，码书里面包含很多类，每个类里面可能有很多的Patch Pair。打个比方来说，就想新建一个图书馆，馆长买了很多书(输入的图像有很多4×4Block)，这些书和书名一一对应(HR-LR patch对)，馆长将图书按学科进行了分类(Classification),每个学科都有多本书(Patch Pair),最后馆长还写了一个索性(码书)，但是这个索性只是说明了某某学科的书在某某房间。
到这一步，图书馆建立好了，但是当你需要知道一个问题的答案的时候（一副低分辨率图像的高频细节），这个时候你会到相关学科去查找文献(建立Predictors的过程，就是Learn From These Training Patchs)，最后你查呀查，终于知道答案了，而这个答案来源于你查找的那些文献。具体的预测器产生过程不再说了，论文上有。
高分辨率图像的重建：首先使用内插得到一个“伪高分辨率的图像”I^0,然后通过对输入低分辨率图像中每个Block的分类，预测得到高分辨率图像细节L0，此时，可以认为高分辨图像为I0=I^0+L0。最后，在施加一个低分辨率的约束，因为我们假定重建得到的高分辨率图像通过smoothing和下采样后可以得到输入的低分辨率图像。如果分辨率提高倍数为z,那么HR中一个Z×Z的单元对应LR中一个像素，前者的均值q应该等于后者p，如果存在误差e=q-p，就将其加到Z×Z单元中的每一个像素中。
-
欢迎
gamemastertips level 19