Feed 聚合器
逃出你的肖申克（三）：遇见20万年前的自己
《Synaptic Self》中曾提出一个发人深省的观点：由于人的大脑是经过漫长的进化年代“堆积”起来的，也就是说，从爬行动物到哺乳动物到高级灵长类这些进化阶段，我们的大脑从只有原始的反射模块，到拥有初步的情感区域，一直到神奇的具有6层结构的“新皮质”所支撑的高级认知能力，一步步走来。这个过程并非上帝预先编程架构好的，而更像是在既有结构上“叠床架屋”，比如，大脑从内到外基本上是按照进化年代来排序的，比如啮齿类等一些小型哺乳动物的新皮质是光滑的，这是新皮质在进化出高级灵长类之前的样子，后来为了解决大脑中空间不够的问题，进化之手发明了大脑皮层沟回，通过这些褶皱，在不增加太多占用面积体积的前提下使得大脑皮层表面积暴涨，正是这些褶皱使得灵长类进化出独特的高级认知活动，如工作记忆，语言。这种“堆砌式”的进化有它节省和复用的好处（《Kluge》），然而另一方面也带来了奇特的“进化时滞”效应——进化年代较近的大脑模块和较久远的模块之间要达成完美沟通需要一定的时间，在这之前便会造成多个模块之间面对同一个问题决策不一致的问题。
我们的高级认知模块明明知道有些事情很重要，必须提前准备并持之以恒，然而我们内心的另一个小声音却在万般阻挠我们把屁股从床上挪开或者把眼睛从网页上挪开；我们明明知道赌博，烟酒，犯罪是不对的，然而内心的一个小声音却在喋喋不休地催我们动手去做。我们明明知道高糖高脂肪的食物不宜多吃，但内心的一个小声音却总是怂恿着再吃最后一勺（不禁让人想起《傀儡人生》）。令人感到遗憾的是，很多时候在这个争端中败下阵来的却是代表更先进生产力的高级认知模块，更令人感到遗憾的是，在大多数时候我们的高级认知模块似乎根本就没有启用，而是凭借着本能或直觉“自动驾驶”自己的身体（《Gut Feelings》）。
这里的原因是明显的：设想一下，人类的高级认知模块是在相对较近的进化年代出现的，然而原始的情感和条件反射模块却在千万年的进化长河中忠实地保护着我们在自然环境中生存下来并努力繁衍后代（《Mean Genes》），这些模块似乎“理应”拥有更强大的力量，然而工业时代的到来将人类生存的环境极大的改变了，我们大脑的原始模块适应的是远古时期的生活，以采集狩猎为主题的社会构成，这跟现代工业文明相差颇大，举个例子，我们的社会交往本能令我们非常顾及自己的面子（面子不仅是一个东方文化中的东西， 在全球都存在），面子可以与很多东西关联——与异性的交往成败，在对手面前是否挺身而出，在困难的任务面前是否完成得很好，这里的逻辑是很明显的：一次糟糕的社会性事件会降低我们的声誉，在远古社会，聚居群体较小，成员之间依赖性很高，糟糕的声誉会导致被赖以生存的群体排挤出去，危机自身的一切，所以我们往往有着不顾一切捍卫自己的面子原始冲动，《Bounded Rationality》里面曾经提到这样的一个例子：两个男人因为酒吧里面的一点小争执最终大打出手乃至一方杀了另一方。在类似酒吧这样的一个众目睽睽的社会场所，人们往往会为面子而恼羞成怒，作出过激行为，而我们的大脑同时又会认为我们仍然处在没有法制的远古社会，所以杀人便有了可能，事实上我们不难想象在远古社会杀人可以转化为力量和能力的声誉，由于进化的钝刀还没有来得及磨平我们远古时期的“棱角”，所以只有少部分“理性大脑”强大的人才能够作出适应现代工业社会的行为；《Mean Genes》上面说了这么个例子：在远古社会我们在向姑娘求爱的时候会小心谨慎，因为一次洋相会很快被传递开来从而使得我们变成整个群落的笑柄，然而在现代社会，尤其是人口流动剧烈，人际关系变动频繁的大城市，社交失败的成本近乎于0，所以正确而理性的做法却是永远都勇敢地迈出第一步。
因为我们的大脑中同时存在着远古的自我，和现代的自我，并且两者并没有完美协调，所以才会出现“如著作等身的教授，聪明的数学家，艺术家同样有可能成为性引诱的牺牲品，同样可能犯七宗罪，同样可能成为焦虑和忧郁症的患者”（《Synaptic Self》）（不禁让人想起前阵子著名的泰格伍兹事件）。
然而除了这些极端情况之外，普通人也常常受到困扰——明知正确的事情就是没法去做。仔细想想这简直是一句类似悖论的话：既然你的大脑认可某种做法是正确的，而同样又是你的大脑主管你的行为，那为什么偏偏你没法执行呢？这就说明主管行为的并不仅仅是你的“认知”模块，认知模块发完话之后自会有更强大的情绪模块藐视“上级”的决定。所以我们常常哀叹“说起来容易做起来难”。世界上最痛苦的事情不是和别人作斗争，而是和自己作斗争。
《Phantoms in the Brain》提到这么一个有趣的例子：我们看到老朋友时会自然微笑，然而站在摄影师面前我们却经常“挤”出难看而别扭的微笑。我们常常说第一种微笑是发自内心的，第二种笑则是有意做出来的。事实上这两种微笑的确涉及到两种不同的机制，只不过不是心脏和面部肌肉，而是两个不同的大脑模块。自然、下意识的微笑来自于大脑中位于进化年代较古老的丘脑和进化年代较新近的大脑皮层之间的一个叫做“基底核”（basal ganglia）的结构，而有意识的笑则是由大脑中的动作皮层控制的。而这两者只有前者具有正版的微笑神经回路，当我们看到朋友的时候，朋友的脸庞的视觉映像通过视觉神经传导到我们的情绪模块（边缘系统），并进而被转发到基底核，后者的微笑回路负责调动面部肌肉生成一个真正自然的微笑，整个过程在不到一秒内完成，在这个时间里你的高级认知模块根本还没来得及活动呢。
有些时候一些人会因为中风而导致一侧运动皮层受损，如果你叫他对着摄影师笑，你会发现他挤出的是半边脸的山寨微笑，另一边脸（对应受损的运动皮层的那一边）则不笑。然而神奇的是如果他见到老朋友，则会发出两边对称的、自然的微笑，因为控制自然微笑的基底核没有受到损伤。
而在极少数情况下，则会出现一种恰好相反的情况：中风损伤了一个人的基底核，影响了半边脸的微笑回路，一开始这个人自己也注意不到，直到他对妻子自然微笑，妻子会惊讶地发现他脸上只有“一半”微笑。然而，如果摄影师叫他微笑，他却能够做出对称的微笑，虽然是不自然的那种，因为控制有意识微笑的运动皮层并没有损伤。
就像两种微笑一样，我们的大脑在同一个决策上经常有不同模块的参与，有的人更偏向使用直觉进行决策（《Predictably Irrational》），有的人则更偏向于理性分析，而事实上这两者并没有孰优孰劣之分，只是在不同的场合适用，无法驾驭这两种决策引擎的人要么一方压倒另一方，要么就是陷入纠结。
我们在选择职业的时候“听从内心的召唤”，因为我们对事物的热情来自于我们的情感系统，没有这个系统的支持，我们很难在一件事情上持之以恒的专注投入，emotion（情绪）和motion（动力）本就是同根生，说明人们很早就了解到情绪和动力的关系。对此有这么一个真实事件（记不得在哪本心理学书上看到的了，记得的朋友请留言。），一个事业顺利的中年男人，原本过着典型的美国中产阶级的生活，但有一天不幸遭遇了车祸，车祸损伤了他的头部，他的情绪大脑遭到了损坏，后来虽然他健康方面痊愈了，然而却从此对任何事情都无动于衷，再没有动力去发展他的事业，照顾他的家庭，对他来说发生什么都是无所谓的。事实上，我们所谓的生活的意义便来源于情感系统。
我们在面对道德问题的时候听从“良知的召唤”，因为漫长的进化给了我们一套非常优秀的天生道德判断神经回路（《社会性动物》），只要听从良知的召唤我们便能在道德的平衡木上走得稳稳当当。
我们对于很多事情的决策判断都刻画在天性里面，然而同样也正是这些天性在很多时候会让我们陷入困境，我们“能存储能量就尽量存储能量”的食物摄取天性虽然适合远古社会，然而在能量充裕的现代社会却导致大量人的超重。《How We Decide》上有这么一个有意思的实验：让一群人走过一个屋子，屋子的中间放着一个桌子，上面有诱人的巧克力蛋糕，也有水果沙拉，让其中一部分人默记某个7位数字序列，另一部分人则只默记2位数（当然，实验者会为默记数字的原因编造一个谎言，例如测试记忆能力），实验结果是，那些默记7位数字的人更可能选择巧克力蛋糕，因为记忆数字过载了我们的高级认知模块，使得它无暇和原始大脑的决定作抗争。
我们对于未来的惩罚和收益都估计不足，倾向于就眼下的损益进行决策。这就导致我们天性在决策方面目光短浅，一个典型的例子是我们会在大学阶段花费大量的时间去进行学习之外的娱乐，这些娱乐都有一个典型的特点，就是能够立即获得愉悦，并且并不会导致立即的损失。毕业看似遥遥无期，我们很难提前几年就设想几年后的危机，毕竟，未来的事情谁说得清呢？也许我们的远古生活告诉我们的真理就是，几年后的潜在收益跟眼下唾手可得的好处无法相比。
我们的原始大脑同样也分不清什么是虚拟什么是真实，在获得社会成就和声望的动机的驱使下，即便是虚拟的网络游戏社会，我们也会投入大量精力，某种意义上我们的大脑并没有错，我们的确应该去获得声望，只不过它还没有聪明到跟得上工业文明，它并不明白虚拟世界里面的生存能力和地位并没有办法转化为现实世界的生存能力和地位。
如你所见，很多时候我们只是生活在信息社会的远古人，如果上帝要为我们目前生出的时代设计人类，我们将会是身体上适合长期久坐不见阳光，眼睛尤其适合长久盯着30厘米以内的物体看，我们情绪上会偏好有节制而健康的饮食，我们的身体发育将不会在肌肉上浪费太多不必要的能量，青少年也不会在青春期强烈渴望冒险和建立小部落内的声望并为之做出各种危险或可怕的事情，而在执行力上我们则会偏好于执行能够积累知识和技能的长远计划，正如geeks们所崇尚的一句话所言：smart is the new sexy。
然而人类进入工业文明才短短数百年，英特网的历史则更是短的几十年，和漫长的进化长河相比仿佛一瞬，我们匆匆忙忙把自己推入了一个完全不一样的世界，而进化的齿轮转动得却慢了很多拍，于是我们都成了进化时滞的牺牲品，我们用远古的双眼打量着这个世界，关在笼子里的老虎完全不必害怕，但我们还是会汗毛倒竖，汽车酿成的交通事故每天无数，而我们过马路却置若罔闻。一句话：我们的情绪大脑仍然停留在20万年前，而20万年前是没有汽车这种物种的。
然而，我们毕竟拥有所有动物中神经元和突触数量最多，结构最复杂的新皮层。我们拥有神奇的认识自身的能力，这种能力使我们能够利用情绪系统本身的特点来克服它自身的缺点。
我们做事情难以持之以恒地专注，因为任何一个新鲜刺激的外部信号都足以激活我们强大的情绪大脑，情绪大脑一旦被激活，其神经信号往往轻而易举地抢占我们的注意力，结果就是我们发现在这个纷繁的世界里很难维护内心的宁静和专注，于是我们发明各种隔绝干扰的方法来保护我们脆弱的理性大脑，从而能够让自己做应该做的事情。
我们的大脑喜欢事情往积极方向发展，有这样一个实验：研究者让被试将手放在冰水中一段时间，有两个选项可供选择，一是将手放在非常冷的冰水中60秒并取出，另一是将手放在非常冷的冰水中60秒，然后再在逐渐变得不那么冰的冷水中放30秒再取出。绝大多数人认为第二种选择更为不那么痛苦。然而从经历的“客观”痛苦上讲，很明显第二种情况下人要受更多的罪。但是那种“情形正在变得越来越好”可以带来明显的正面情绪，于是第二种情况下的主观痛苦要小于第一种情况。而GTD的原理正是如此：通过提供不断的进展，让执行者意识到事情正在朝向完成不断迈进，这种正面趋势所带来的积极情感能够进一步激励个体把事情执行到底。
总之我们发明各种认知方法来“诱使”或“要挟”我们的情绪大脑同意去执行一件事情：我们向朋友承诺我们要做的事情，于是我们的情绪大脑会迫于信誉受损的压力而去主动完成这件事情。而加入互助学习小组则本质上是利用大脑的从众本能和同侪压力。《Nudge》上提到很多这样的例子，比如“一百美元的论文催缴金”：为了“逼迫”自己在计划时间内完成论文，戴维将三张100美元的支票预先交给泰勒，戴维每延迟一个月完成论文，泰勒便可以提取其中一张支票并将钱用于开聚会（而且还不邀请戴维参加:)），显然，戴维的情绪大脑很难容忍这样吃亏的冤枉事，所以为了避免它，便忠实地督促戴维把论文按时搞定了。此外还有“减肥违约金”，“夏令时”，“圣诞节省钱俱乐部”以及著名的“Save more tomorrow”等很多有意思的例子。
最后，经常动用理性思考也能够锻炼理性大脑的“实力”，在更多的决策场合获得压倒性优势。神经科学显示，大脑的模块的确遵循用进废退的原则（《The Brain That Changes Itself》），一个经典的证据是钢琴家的大脑中对应手指的神经回路占用面积要比正常人大很多。另一个有意思的证据是，如果一个人失明了，那么负责接受视觉信号的神经回路往往会被听觉所侵占（人们常说瞎子的听觉格外灵敏难道便是这个原因？）
上帝给了我们一个过了时的原始大脑，但同样也更新了我们的新皮层，能否不被20万年前的自己绑架，取决于你是否认识到关于大脑的进化历史，和能否正确使用你的理性大脑。
你可能也会喜欢以下文章 订阅 Mind Hacks我是你的信息过滤器 想了解作者最近在关注什么，欢迎 Follow pongba@Twitter
程序员朋友请到作者发起的 TopLanguage (about) 社群逛逛，定有收获 :)
想了解作者在阅读哪些书，请到 pongba@豆瓣，或者直接访问以下四个豆列：[只读经典]思维改变生活 | [只读经典]思考的技术与艺术 | 决策与判断 | 机器学习与人工智能书籍资源导引 。
想了解作者平时在互联网上的阅读，请订阅 pongba-shared-reading@delicious 。
本文由 刘未鹏 发布在 刘未鹏 | Mind Hacks, 2010. | 47 条评论 | 标签: 思维改变生活
转载请注明作者，出处，以及原始超链接: http://mindhacks.cn/2010/03/18/escape-from-your-shawshank-part3/
分类: 测试
暗时间
如果你有一台计算机，你装了一个系统之后就整天把它搁置在那里，你觉得这台计算机被实际使用了吗？没有。因为CPU整天运行的就是空闲进程。运行空闲进程也是一天，运行大数据量计算的程序也是一天，对于CPU来说同样的一天，价值却是完全不一样的。
大脑也是如此。
善于利用思维时间的人，可以无形中比别人多出很多时间，从而实际意义上能比别人多活很多年。我们经常听说“心理年龄”这个词，思考得多的人，往往心理年龄更大。有人用10年才能领悟一个道理，因为他们是被动领悟——只有在现实撞到他脸上的时候才感到疼，疼完了之后还是不记得时时提醒自己，结果很快时过境迁抛之脑后，等到第二次遇到同一个坑的时候早忘了曾经跌过跟头了，像这样的效率，除非天天摔坑里，否则遗忘的效率总是大过吃亏长的记性。善于利用思维时间的人则能够在重要的事情上时时主动提醒自己，将临时的记忆变成硬编码的行为习惯。
每个人的手表都走得一样快，但每个人的生命却不是。衡量一个人生活了多少年，应该用思维时间来计算。举一个极端的例子，如果一个人从生下来开始就呆在一个为他特殊建造的无菌保护室里，没有社会交往，没有知识获取，度过了18年，你会不会认为他成年了？
认为时间对每个人是均等的是一个错觉，认为别人有一天，我也有一天，其实根本不是这样。如果你正在学习一门专业，你使用自己所投入的天数来衡量，很容易会产生一种错觉，认为投入了不少时间，然而其实，“投入时间”这个说法本身就是荒唐的，实际投入的是时间和效率的乘积。你可以“投入”很多时间在一件事情上面，却发现毫无进展，因为你没有整天把你要做的事情，要学习的东西常驻在你的大脑中，时刻给予它最高的优先级。你走路的时候吃饭的时候，做梦的时候心心念念想的就是这件事情，你的CPU总是分配给它，这个时候你的思维时间就被利用到了极致，你投入的时间就真正等于了实际流逝的时间，因为你的CPU是满载的。
如果你有做总结的习惯，你在度过一段时间之后总结自己在某某领域投入了多少时间，建议千万不要粗略地去计算有多少天下班后拿起书来翻看过，因为这样你也许会发现书倒是常翻，但领悟却不见得多深，表面上花的时间不少，收益却不见得那么大。因为看书并记住书中的东西只是记忆，并没有涉及推理，只有靠推理才能深入理解一个事物，看到别人看不到的地方，这部分推理的过程就是你的思维时间，也是人一生中占据一个显著比例的“暗时间”，你走路、买菜、洗脸洗手、坐公车、逛街、出游、吃饭、睡觉，所有这些时间都可以成为“暗时间”，你可以充分利用这些时间进行思考，反刍和消化平时看和读的东西，让你的认识能够脱离照本宣科的层面。这段时间看起来微不足道，但日积月累将会产生庞大的效应。
能够充分利用暗时间的人将无形中多出一大块生命，你也许会发现这样的人似乎玩得不比你少，看得不比你多，但不知怎么的就是比你走得更远。比如我就经常发现一些国外的牛人们为什么不仅学习牛逼，连“业余”玩儿的东东也都搞得特牛逼，一点都不业余（上次在《How We Decide》上看到斯坦福的一个牛人，理论物理学博士，同时是世界扑克大赛的前六名保持者，迄今累计奖金拿了六百多万刀），你会奇怪，这些家伙到底哪来的时间，居然可以在不止一个领域做到卓越？
程序员们都知道，任务切换需要耗费许多额外的花销，通俗地来讲，首先需要保存当前上下文以便下次能够顺利切换回来，然后要加载目标任务的上下文。如果一个系统不停地在多个任务之间来回倒腾，就会耗费大量的时间在上下文切换上，无形中浪费很多的时间。
相比之下，如果只做一件任务，就不会有此损失。这就是为什么专注的人比不专注的人时间利用效率高得多的原因。任务切换的暗时间看似非常不明显，甚至很多人认为“多任务”是件很好的事情（有时候的确是），但日积月累起来就会发现，消耗在切换上的时间越来越多。
另外，大脑开始一件任务的时候必须要有一定时间来“热身”，这个时间因人而异，并且可以通过练习来改变。举个例子，你看了一会书之后，忽然感到一阵无聊，忍不住打开浏览器，十分钟后你想起来还要继续看书，但要回复到当时理想的状态，却需要一段时间来努力去集中精力，把记忆中相关的知识全都激活起来，从而才能进入“状态”，因为你上了十分钟网之后这些记忆已经被抑制了。如果这个“热身”状态需要一刻钟，那么看似十分钟的上网闲逛其实就花费了二十五分钟。
如果阅读的例子还不够生动，对于程序员来说其实有更好的例子：你写程序写得正high，忽然被叫去开了一通会，写到一半的代码搁在那儿。等你开完会回来你需要多久能够重新进入状态？又或者，你正在调试程序，你已经花了二十分钟的时间把与这个bug可能相关的代码前前后后都理解了一遍，心中构建了一个大致的地图，就在这时，呃，你又被叫去开了个会(:D)，开完会回来，可想而知，得花上一些时间来回想一下刚刚弄清的东西了。
迅速进入状态的能力是可以锻炼的，根据我个人的经验，至少可以缩短到3-5分钟。但要想完全进入状态，却是很难在这么短的时间实现的。所谓完全进入状态，举个例子：你看了3个小时的书，或者调试了半个小时的程序之后，往往满脑子都是相关的东西，所有这些知识都处在活跃状态，换言之你大脑中所有相关的记忆神经网络都被激活了，要达到这样一种忘记时间流逝的“沉浸”状态（心理学上叫做“流体验”），不是三两分钟的事情。而一旦这种状态被破坏，无形间效率就会大打折扣。这也是为什么我总是倾向于创造大块的时间来阅读重要的东西，因为这样有利于“沉浸”进去，使得新知识可以和大脑中与其相关的各种既有的知识充分融合，关联起来，后者对于深刻的记忆非常有帮助。
要充分利用暗时间，不仅要能够迅速进入状态，另一个很重要的习惯就是能够保持状态多久（思维体力）。《The Psychology of Invention in the Mathematical Field》上有一段关于庞加莱的思考习惯的介绍，很有代表性。庞加莱经常在去海边休假或者在路上走的时候在脑海中思索数学问题，很多时候解答就在这些时候忽然闪现。虽然我和庞加莱是没法比的，但是常常也在路上想出答案，这真是一种愉悦的体验。
能够迅速进入专注状态，以及能够长期保持专注状态，是高效学习的两个最重要习惯。
很多人都有这样的体验（包括我自己），工作了之后，要处理的事情一下多出了很多，不像在校园，环境简单，生活单纯，能够心无旁骛地做一件事情而不被打扰。工作之后的状况就是，首先需要处理的事情变多，导致时不时需要在多个任务之间切换；另一方面，即便能够把任务的优先级分配得比较合理，也难免在做一件事情的时候心中忽然想起另一件事还没做的焦虑来，因为没做完的事情会在大脑中留下一个“隐藏的进程”，时不时地发个消息提醒你一下，中断你正在做的事情。
因此这里就涉及到最后一个高效的习惯：抗干扰。只有具备超强的抗干扰能力，才能有效地利用起前面提到的种种暗时间。抗干扰能力也是可以练习出来的，上本科那会经常坐车，所以我就常常拿着本大部头在车上看，坐着看或者站着看都可，事实证明在有干扰的环境中看书是非常锻炼专注能力的一个办法:D 另外，经常利用各种碎片时间阅读和思考，对迅速集中注意力和保持注意力都非常有帮助。记得很久以前TopLanguage上大伙曾经有次饶有兴趣地讨论“马桶时间”的利用，包括在卫生间放个小书柜。（估计很多同学心有戚戚焉吧:D）
你可能也会喜欢以下文章 订阅 Mind Hacks我是你的信息过滤器 想了解作者最近在关注什么，欢迎 Follow pongba@Twitter
程序员朋友请到作者发起的 TopLanguage (about) 社群逛逛，定有收获 :)
想了解作者在阅读哪些书，请到 pongba@豆瓣，或者直接访问以下四个豆列：[只读经典]思维改变生活 | [只读经典]思考的技术与艺术 | 决策与判断 | 机器学习与人工智能书籍资源导引 。
想了解作者平时在互联网上的阅读，请订阅 pongba-shared-reading@delicious 。
本文由 刘未鹏 发布在 刘未鹏 | Mind Hacks, 2009. | 86 条评论 | 标签: 学习方法
转载请注明作者，出处，以及原始超链接: http://mindhacks.cn/2009/12/20/dark-time/
分类: 测试
小常识：openSUSE 排斥的应用程序
我保证你从来没有在 openSUSE 的任何一版或者openSUSE 的 Build Service 上发现过这些软件.
换句话说，如果你在 *.opensuse.org 上搜寻这些软件那么只能是徒劳了。
这些软件因为专利问题不会出现在openSUSE中
某些解码器，尤其是MPEG系列。当然有些有阉割版的解码器，比如 xine.
- ffmpeg
- mplayer
- xine library (full package, openSUSE ships with a reduced number of codecs)
- lame
- divx
- mythtv
- lastfm
- faad
- faac
- libmpeg*
- libmad
- x264
其他法律问题（在某些地区）：
- aircrack*
- amule
- mldonkey
- libdvdcss
- (python-)pymedia (contains ffmpeg and libdvdcss)
No related posts.
分类: 搏创人
Top Conference Review of Artificial Intelligence
每一届机器学习应用研讨会的最后一个Session-Top Conference Review都是最有吸引力的，这个Session由参加过各种人工智能顶级会议的学者介绍最近召开的会议的情况。
下面把这些大家的会议参加感悟整理如下：
1. NIPS09 在加拿大美丽的蒙特利尔召开，共收录250篇papers，24.5%
2. 周志华老师介绍了ICML09，COLT09和UAI09，ICML收录160篇papers，录用率是25%。
3. ECML09欧洲机器学习会议也是收录了160篇papers，共提交370papers，录用率也是25%。
4. ICDM09在意大利的比萨召开，录用率是20%。
5.杨强老师介绍了IJCAI09，很生动精彩，杨老师的兴趣Focus on迁移学习。同时介绍了KDD09，我只记住了这个会议和业界关系紧密，吃的特别好，热点是Social Networks。
6. 又有很多专家陆续介绍了CIKM, SIGIR, WWW, ACM MultiMedia等等，都很精彩！
感悟：
1. ECML 一个犇人提出Data Driven AI is far from enough，也就是纯基于统计的数据驱动的人工智能远远不够。
2. IJCAI 提出AI应该为社会创造财富了，这个观点很好！我双手支持！
3. 最后大家讨论，融合逻辑推理和统计理论的机器学习将会是未来10年左右机器学习的主要研究方向。
来自XIWEI SUN同学
相关文章
分类: 搏创人
朋友，你去斯卡布罗集市吗？
问尔所之，是否如适。 Are you going to Scarborough Fair?
蕙兰芫荽，郁郁香芷。 Parsely sage rosemary and thyme.
彼方淑女，凭君寄辞。 Remember me to one who lives there.
伊人曾在，与我相知。She once was a true love of mine.
嘱彼佳人，备我衣缁。 Tell her to make me a cambric shirt.
蕙兰芫荽，郁郁香芷。 Parsely sage rosemary and thyme.
勿用针砧，无隙无疵。 Without no seams nor needle work.
伊人何在，慰我相思。 Then she will be a true love of mine.
彼山之阴，深林荒址。 On the side of hill in the deep forest green,
冬寻毡毯，老雀燕子。 Tracing of sparrow on snow crested brown.
雪覆四野，高山迟滞。 Blankets and bed clothers the child of maintain
眠而不觉，寒笳清嘶。 Sleeps unawafe of the clarion call.
嘱彼佳人，营我家室。 Tell her to find me an acre of land.
蕙兰芫荽，郁郁香芷。 Parsely sage rosemary and thyme.
良田所修，大海之坻。 Between the salt water and the sea strand,
伊人应在，任我相视。Then she will be a true love of mine.
彼山之阴，叶疏苔蚀。 On the side of hill a sprinkling of leaves
涤我孤冢，珠泪渐渍。 Washes the grave with slivery tears.
惜我长剑，日日拂拭。 A soldier cleans and polishes a gun.
寂而不觉，寒笳长嘶。 Sleeps unaware of the clarion call.
嘱彼佳人，收我秋实。 Tell her to reap it with a sickle of leather.
蕙兰芫荽，郁郁香芷。 Parsely sage rosemary and thyme.
敛之集之，勿弃勿失。 And gather it all in a bunch of heather.
伊人犹在，唯我相誓。 Then she will be a ture love of mine.
烽火印啸，浴血之师。War bellows blazing in scarlet battalions.
将帅有令，勤王之事。Generals order their soldiers to kill and to fight for a cause.
争斗缘何，久忘其旨。 They have long ago forgoten.
痴而不觉，寒笳悲嘶。 Sleeps unaware of the clarion call.
分类: 搏创人
作息时间，貌似很合理的样子
7:30：起床。英国威斯敏斯特大学的研究人员发现，那些在早上5:22―7:21 分起床的人，其血液中有一种能引起心脏病的物质含量较高，因此，在7:21之后起床对身体健康更加有益。打开台灯。“一醒来，就将灯打开，这样将会重新调整体内的生物钟，调整睡眠和醒来模式。”拉夫堡大学睡眠研究中心教授吉姆·霍恩说。喝一杯水。水是身体内成千上万化学反应得以进行的必需物质。早上喝一杯清水，可以补充晚上的缺水状态。
7:30―8:00：在早饭之前刷牙。“在早饭之前刷牙可以防止牙齿的腐蚀，因为刷牙之后，可以在牙齿外面涂上一层含氟的保护层。要么，就等早饭之后半小时再刷牙。”英国牙齿协会健康和安全研究人员戈登·沃特金斯说。
8:00―8:30：吃早饭。“早饭必须吃，因为它可以帮助你维持血糖水平的稳定，”伦敦大学国王学院营养师凯文·威尔伦说。早饭可以吃燕麦粥等，这类食物具有较低的血糖指数。
8:30―9:00：避免运动。来自布鲁奈尔大学的研究人员发现，在早晨进行锻炼的运动员更容易感染疾病，因为免疫系统在这个时间的功能最弱。步行上班。马萨诸塞州大学医学院的研究人员发现，每天走路的人，比那些久坐不运动的人患感冒病的几率低25%。
9:30：开始一天中最困难的工作。纽约睡眠中心的研究人员发现，大部分人在每天醒来的一两个小时内头脑最清醒。
10:30：让眼睛离开屏幕休息一下。如果你使用电脑工作，那么每工作一小时，就让眼睛休息3分钟。
11:00：吃点水果。这是一种解决身体血糖下降的好方法。吃一个橙子或一些红色水果，这样做能同时补充体内的铁含量和维生素C含量。
13:00：在面包上加一些豆类蔬菜。你需要一顿可口的午餐，并且能够缓慢地释放能量。“烘烤的豆类食品富含纤维素，番茄酱可以当作是蔬菜的一部分。”维伦博士说。
14:30―15:30：午休一小会儿。雅典的一所大学研究发现，那些每天中午午休30分钟或更长时间，每周至少午休3次的人，因心脏病死亡的几率会下降37%。
16:00：喝杯酸奶。这样做可以稳定血糖水平。在每天三餐之间喝些酸牛奶，有利于心脏健康。
17:00―19:00：锻炼身体。根据体内的生物钟，这个时间是运动的最佳时间，舍菲尔德大学运动学医生瑞沃·尼克说。
19:30：晚餐少吃点。晚饭吃太多，会引起血糖升高，并增加消化系统的负担，影响睡眠。晚饭应该多吃蔬菜，少吃富含卡路里和蛋白质的食物。吃饭时要细嚼慢咽。
21:45：看会电视。这个时间看会儿电视放松一下，有助于睡眠，但要注意，尽量不要躺在床上看电视，这会影响睡眠质量。
23:00：洗个热水澡。“体温的适当降低有助于放松和睡眠。”拉夫堡大学睡眠研究中心吉姆·霍恩教授说。
23:30：上床睡觉。如果你早上7点30起床，现在入睡可以保证你享受8小时充足的睡眠。
任何试图更改生物钟的行为，都将给身体留下莫名其妙的疾病，20、30年之后再后悔，已经来不及了。
一、晚上9-11点为免疫系统（淋巴）排毒时间，此段时间应安静或听音乐。
二、晚间11-凌晨1点，肝的排毒，需在熟睡中进行。
三、凌晨1-3点，胆的排毒，亦同。
四、凌晨3-5点，肺的排毒。此即为何咳嗽的人在这段时间咳得最剧烈，因排毒动作已走到肺；不应用止咳药，以免抑制废积物的排除。
五、凌晨5-7点，大肠的排毒，应上厕所排便。
六、凌晨7-9点，小肠大量吸收营养的时段，应吃早餐。疗病者最好早吃，在６点半前，养生者在７点半前，不吃早餐者应改变习惯，即使拖到9、10点吃都比不吃好。
七、半夜至凌晨4点为脊椎造血时段，必须熟睡，不宜熬夜。
记住身体健康作息时间表，安排好你的生活，让你的人生丰富多彩！
相关文章
分类: 搏创人
来自GF心声:我理想中的生活
现实一点说的，我不想念这个研究生，也不想读博，我小的时候喜欢跳舞和唱歌。我理想的生活应该是这样子的， 就在父母身边，开一家小店，生意不错，够吃够喝够给父母。然后下班后可以去学跳舞，不是瑜伽不是艺术体操，学个委婉简单的新疆舞即可，或许这是幼儿园跳的一支蒙古舞给我留下的毕生的印象…… 我不觉得我上个研究生我就会有多快乐……我天生懒惰，不太想拼搏……如果还可以的话，我不要钢琴，请给我一个老式的脚风琴或手风琴，这两个东西发出的声音是儿童时候的天籁，无忧无虑，充满自由和遐想，让一个孩子觉得自己很幸福也很聪明，甚至可以三岁的时候学着老师的样子一个一个在琴上试音，直到很不流利的弹完整整一句。我记不住这十几年来我学的课本上的东西，但我三岁时候学的歌曲有很多我仍记在心里。
还是说，我可能天生懒惰，我坐不下来，在困苦的环境中我永远都无法尽全力改变处境，我不会咬牙狠心一跺脚拼上。男朋友也是会唱歌会画画的人，我很不明白他怎么会有那么多精力整天搞那个枯燥的软件，我不知道他不再画画了会不会有一丝不自由…………
是不是有句话说，三岁看老，我只知道我受到的教育我的性格以及气质，或许在三岁那年都已经定了。如果，可以不用那么玩命的拼搏，我们一起唱唱歌，画画画，一起开个店，一起回家弹弹琴 ，该有多幸福……
相关文章
分类: 搏创人
短消息：openSUSE 11.2 准备就绪
好像自从 RC2 之后就没有出现过 Bug，www.opensuse.org 上表明还有 5 天发布，不过http://software.opensuse.org/112/en ，已经准备好了下载页面。请注意：这个网页上甚至都已经写好了ISO的校验值，说明ISO文件已经生成了，现在正在向（镜像）服务器上部署。很期待。
Related posts:
分类: 搏创人
Theme: Digg-Theme for Wordpress
简直太像了，不过是收费的，不敢用吧，让Digg 律师告了就坏了。
This is the a digg-theme for Wordpress. Give your blog or site a really cool digg-look today, at a very small price. This theme comes with pre-installed digg-buttons so that your readers easily could vote you right to the front-page of digg.com. The theme is of course widget-ready, and best of all: it’s built in place for those modern and popular 125×125 banner ads.
相关文章
分类: 搏创人
希尔伯特空间
泛函分析中有这么几个层层递进的概念：
1 线性空间中如果定义了范数，便称为赋范线性空间，特殊的，如果范数是用内积来定义的，则称为内积空间。
2 如果赋范线性空间中的任一柯西序列都收敛于空间中，则空间是完备的，这种空间称为巴拿赫空间，特殊的，如果范数是用内积来定义的，则称为希尔伯特空间。
显然，希尔伯特空间就是完备的内积空间
在数学领域，希尔伯特空间是欧几里德空间的一个推广，其不再局限于有限维的情形。与欧几里德空间相仿，希尔伯特空间也是一个内积空间，其上有距离和角的概念（及由此引伸而来的正交性与垂直性的概念）。此外，希尔伯特空间还是一个完备的空间，其上所有的柯西列等价于收敛列，从而微积分中的大部分概念都可以无障碍地推广到希尔伯特空间中。希尔伯特空间为基于任意正交系上的多项式表示的傅立叶级数和傅立叶变换提供了一种有效的表述方式，而这也是泛函分析的核心概念之一。希尔伯特空间是公式化数学和量子力学的关键性概念之一。
希尔伯特，D.(Hilbert,David，1862～1943)德国数学家,生于东普鲁士哥尼斯堡(前苏联加里宁格勒)附近的韦劳。中学时代,希尔伯特就是一名勤奋好学的学生,对于科学特别是数学表现出浓厚的兴趣,善于灵活和深刻地掌握以至应用老师讲课的内容。1880年,他不顾父亲让他学法律的意愿,进入哥尼斯堡大学攻读数学。1884年获得博士学位,后来又在这所大学里取得讲师资格和升任副教授。1893年被任命为正教授,1895年,转入格廷根大学任教授,此后一直在格廷根生活和工作,于1930年退休。在此期间,他成为柏林科学院通讯院士,并曾获得施泰讷奖、罗巴切夫斯基奖和波约伊奖。1930年获得瑞典科学院的米塔格-莱福勒奖,1942年成为柏林科学院荣誉院士。希尔伯特是一位正直的科学家,第一次世界大战前夕,他拒绝在德国政府为进行欺骗宣传而发表的《告文明世界书》上签字。战争期间，他敢干公开发表文章悼念”敌人的数学家”达布。希特勒上台后，他抵制并上书反对纳粹政府排斥和迫害犹太科学家的政策。由于纳粹政府的反动政策日益加剧,许多科学家被迫移居外国,曾经盛极一时的格廷根学派衰落了,希尔伯特也于1943年在孤独中逝世。
希尔伯特空间以大卫·希尔伯特的名字命名，他在对积分方程的研究中研究了希尔伯特空间。冯·诺伊曼在其1929年出版的关于无界厄米算子的著作中，最早使用了“希尔伯特空间”这个名词。冯·诺伊曼可能是最早清楚地认识到希尔伯特空间的重要性的数学家之一，他在进行对量子力学的基础性和创造性地研究的时候认识到了这一点。此项研究由冯·诺伊曼与希尔伯特和朗道展开，随后由尤金·维格纳（Template:Lang）继续深入。“希尔伯特空间”这个名字迅速被其他科学家所接受，例如在外尔1931年出版的著作《群与量子力学的理论》（Template:Lang）中就使用这一名词。
一个抽象的希尔伯特空间中的元素往往被称为向量。在实际应用中，它可能代表了一列复数或是一个函数。例如在量子力学中，一个物理系统可以被一个复希尔伯特空间所表示，其中的向量是描述系统可能状态的波函数。详细的资料可以参考量子力学的数学描述相关的内容。量子力学中由平面波和束缚态所构成的希尔伯特空间，一般被称为装备希尔伯特空间（rigged Hilbert space）。
分类: 搏创人
Linux占有率为何强力反弹？
10 月 31 日， Linux 市场占有率强力反弹，猛增 17 ％。这是什么道理？
根据 W3counter 的自动统计数据，近半年来， Linux 市场占有率逐月呈下降趋势，情况如下：
4 月，占 2.16 ％；
5 月，占 2.13 ％；
6 月，占 2.11 ％；
7 月，占 2.03 ％；
8 月，占 1.97 ％；
9 月，占 1.84 ％；
10 月，占 2.14 ％。
为什么， 10 月份的 Linux 市场占有率猛然间回升 0.30 个百分点？这是什么道理？令人琢磨不透。实际上，自 2007 年 5 月以来，在 W3Counter 网站公布的统计数据中，从未出现过这种现象。这就奇怪了。大家知道， W3counter 网站只提供数据，从来不分析数据。我们只能自己开动脑筋想办法了。
W3counter 选定（或跟踪） 28,757 个固定网站，自动检测每个网站最后的 15,000 个“ page views” ，计算每个月最后一天的访问者来自何方？使用什么操作系统和浏览器？他们每月公布一次统计数据，从来不间断。在这一期间， XP 市场占有率逐月平稳下降，从 70.20 ％下降到 59.10 ％； Vista 逐月上升，从 15.04 ％上升到 22.23 ％； Windows 7 逐月上升，从 0.16 ％上升至 2.76 ％。很明显的事实是，这半年以来，是 Win 7 挤压了 Linux 的生存空间。
那么，为什么 10 月 31 日这一天， Linux 用户数猛然增加 0.3 个百分点？而原来的 Linux 市场占有率基数只有 1.84 ％。这其中的原因与 Ubuntu 9.10 版本的发布有关。 10 月 29 日， Ubuntu 9.10 发布，正好拉动了不少用户过去“尝鲜”，导致 10 月 31 日发生了 Linux 用户的“井喷”（激增）。这种反弹是短时间的，大概不会持久下去。
Ubuntu 9.10 当真就这么厉害？前天，在大雪纷飞中《 Ubuntu 实验室》的同志给我送来两只 U 盘，一个是 Ubuntu 9.10 ，另一个是 Ubuntu Remix 9.10 。我们同时”点亮” 9.04 和 9.10 两个版本，不比不知道，一比吓一跳。说句实在话， 9.10 版本确实要比 9.04 版本更精美，更漂亮。我们还用 Remix 9.10 播放高清电影，效果真不错。对一般用户而言， Ubuntu 9.10 与 Wondows 7 的功能其实差不多，就是后者的身价太贵了一些。
我们在想一个问题， Ubuntu 9.10 版本运行速度快捷，系统稳定可靠，功能完备足够，而且，任你使用，任你修改、任你传播，定价为零，那么，为何不讨人喜欢呢？其根本原因就是系统安装的相对困难（尤其对于生手）。开车人不会修车是常见的事情。昨日，一位马来西亚华侨来邮件想买一套 Ubuntu 自启动 U 盘。我想对他说，只送不卖。可是，我从哪儿搞到多余的 U 盘呢？真烦死我了。
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/yuanmeng001/archive/2009/11/03/4759941.aspx
分类: 搏创人
开发人员一定要加入收藏夹的网站
http://www.gotapi.com/
语言：英语
简介：HTML,CSS,XPATH,XSL,JAVASCRIPT等API的查询网站。
http://www.w3schools.com/
语言：英语
简介：W3C制定的标准诸如XML,HTML,XSL等等的在线学习教程。
http://www.xml.org.cn/
语言：中文
简介：可以说是XML的中国官方网吧。W3C标准的翻译组织与XML系列技术交流社区.
http://www.connectionstrings.com/
语言：英语
简介：这里几乎收集了所有的数据库连接字符(connectionstring)了。
http://www.itpub.net/
语言：中文
简介：我个人认为是国内最专业的综合性行业性技术类社区.
http://www.netvtm.com/
语言：中文
简介：内容多翻译于w3schools.com，少有原创。不过还是应该鼓励精品翻译。
http://www.regexlib.com
语言：英语
简介：正则表达式库。搜索正则表达式用。
http://www.rexv.org/
语言：英语
简介：用Ajax开发的在线正则表达式验证器.
http://www.koders.com/
语言：英语
简介：代码搜索引擎，可以搜索几十种语言的代码。
http://www.123aspx.com/Rotor/
语言：英语
简介：.Net Frameworks的源代码。
http://dotnet.aspx.cc/
语言：中文
简介：孟宪会的资料站，虽资料大多比较简单，却解决了开发中的大部分问题？！
http://www.dofactory.com/Patterns/Patterns.aspx
语言：英语
简介：23种设计模式的实现参考。特点是UML+精练的示例代码+简洁的解说风格。
http://www.open-open.com/
语言：中文
简介：Java开源大全,如果你用.NET，照着它的名字前加N找找应该都有吧 ？！：）
http://www.riacn.com/
语言：中文
简介：我认为是国内少有的RIA专业技术站于交流社区.
http://www.cnpaf.net/
语言：中文
简介：中国协议分析网，很全面的协议资料网。
http://www.pinvoke.net/
语言：英语
简介：通过.net调用win32等非受控API的资料大全。
http://bbs.51js.com/
语言：中文
简介：无忧脚本,专业的脚本技术社区。
http://www.c-sharpcorner.com/
语言：英语
简介：C# Corner,学习c#的好地方.
http://blog.csdn.net/group/experts/
语言：中文
简介：CSDN专家群,汇集CSDN专家的电子报.
http://www.codeproject.com/
语言：英语
简介：有很多可学习的示例代码，特点是丰富，深入浅出．
http://www.gotdotnet.com/
语言：英语
简介：微软开发维护的关于.net framework交流社区.
http://www.sourceforge.net/
语言：英语
简介：全球最大的开源软体站点
http://www.asp.net/QuickStart/
语言：英语
简介：Microsoft .NET Framework SDK QuickStart Tutorials
http://www.matrix.org.cn/
语言：中文
简介：与 Java 共舞,Java优秀的专业社区,文章质量很高.做.Net的朋友也可以从其借鉴很多知识.
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/waxic/archive/2006/09/27/1292974.aspx
最热文章
分类: 搏创人
找工作的20条吐血经验
04年毕业，还没有单干的资本，我分析我自己也不适合单干，一直在打工，也倾向于一辈子打工。我工作快两年了，回顾一下自己的经历，写了点东西。大家也一起来说说经验吧，共同交流一下，互相促进，增长一点本领。
经验一：光鲜的招聘现场背后不一定代表一个正规友善、蓬勃向上的公司。比如2004年初我经历过一个大型超市，它很快就倒闭了，招聘现场非常热闹，招聘手法非常有现代感——但是，两个月后，这家公司倒闭了。所以判断一个公司的实力，最好还是上网查一下、到公司问一下，像这个公司的供货商或者合作伙伴打听一下，绝人不能看招聘时的场面或者招聘人员的自我宣传。
经验二：招聘人员的高素质，不代表将来直接和你一起工作的人同样素质高；很多朋友都遇到过这样的问题，好不容易看到了一个知情达理的HR,谈得也很好。去工作了以后，才发现那个公司很乱套，除了那个HR以外的人员都非常差，甚至你会发现那个HR也很差。
经验三：经常招聘的公司，基本都不好地方，多数还有圈套。广为人知的就是证券、建材、保险，别看他们还是上市公司，骗起人来都是一套一套的。在国外店越大越得谨慎，但是目前国内越大的店越具有欺负人的潜质，还没人管，建材就是典型。
经验四：招聘人员夸夸其谈的、使用煽动性语言的，多数都是陷阱。这样的有很多，一般都是几个穿着西装领带的人在招聘现场唾沫横飞，职位一般都是销售，许诺只要你能干，月薪3000、5000、10000，甚至100000都不在话下。比较出名的还有保险的“保险，永不失业的朝阳产业”，靠，如果是永不失业的朝阳产业，你怎么还每周都到人才市场招人？
经验五：如果你不喜欢现在的专业，决心要通过考研究生改行，那么不必在考研究生之前找工作，考完后也会有工作的，尤其是春节以后。人的精力有限，集中兵力做好一件事情。反正你都想改行了，就不要想工作的事情。《圣经》中说，上帝要毁掉所多玛城的时候，透信给一个哥们，让那哥们赶紧走，就是不能回头，回头就变成盐柱了。结果那哥们，哎……
经验六：招聘的时候资方不谈给多少钱的，多数都是给的很少，不好意思说，先把你人忽悠去了再说。谈薪水这个东西是非常非常非常正常的，刚毕业的学生可能还有点扭转不过来，以为谈钱是多不好意思的事呀。被雇用不就是出卖自己么，卖自己之前怎么也得有个价码呀。绝口不谈薪水的公司，多半都是给的钱非常少；当然也有一些国际大公司，事先不谈薪水的，因为行业内的人都知道薪水肯定少不了。
经验七：交押金的、押毕业证原件的都是一些不爽的地方。能不去就不去。我遇见过要求抵押毕业证原件的，是一个台资企业，也遇见过要交押金的，是一个四川民企，说是公司有很多商业秘密，所以要押金。你把青春压上了，还要压毕业证或是现金，这样的地方是无论如何也不要理会的。
经验八：老总亲自去招聘的，基本都是很小的公司。中国的民企长不大，和老总的素质关系极大，当然了老总的素质低下也是全民整体素质低下的表现，不是说素质低的人才做老板。在招聘会现场，凡是那些一脸深沉、浑身霸气、看人的眼光挑三拣四、交谈的时候很没有礼貌、张口我的公司现在已经很大了、闭口你要是来我们公司还得试用半年……的老总，基本上都不要考虑去他们的公司了。
经验九：关于各种保险和住房公积金。第一不要相信企业的许诺，他说有，但是很多时候没有。第二，即使有，也可能很少很少。我的一个朋友每个月的工资在3K左右，公司给缴了3年多的医疗保险，但是一场感冒医保卡里面的钱就全都没有了，因为那个公司是按照月工资300元给缴的保险——他的工资的确是三百元，剩下的都是奖金。
经验十：绝大多数公司定下的面试时间都不准确。从招聘约会的时间上看，目前我们国家的绝大多数企业实在还是停留在很低级的管理水平上，按照约定好的时间到了，还要等上一个小时两个小时，在招聘的人眼里看来那都是很正常的。中国人的时间观念差，可见一斑。有些大企业要好一些，很守时。甚至告诉你8：55到什么地方，9：00到什么地方，有专人接送。如果有公司迟到什么，不要太生气，都那味，不守时的公司不见得是很差的公司。
经验十一：女孩子要注意的。有一些公司是来招儿媳妇的、招小姐的，这是比较明显的骗局。还有一些公司需要大量的文员，他就不断地招聘女生以很低的薪水去做那些基础性的工作，试用期一过就说你不合格。另外企业人员素质非常差比如说什么司机保安都能甚嚣尘上的公司，或者男女关系很复杂的公司，也都不要去。
经验十二：广结善缘、不去那里工作，也不要弄出点仇来。踏入社会后每接触的一个人或者一个公司，都可能与你未来生活产生关联。如果你不想被他雇用，也不要和他结下梁子，无论他可能多么没礼貌、或者他开除的薪水是多么没有礼貌。和颜悦色的表达你的拒绝的意思就行了。我仍举上面说过的那个四川的网络公司，他们对有1年经验的员工给出的待遇是，试用期500、转正700，试用期三个月，无论试用转正都没有合同，头两个月要扣除300元押金（第一个月扣200也就是开300，第二个月扣100也就是开400），除此以外没有任何形式的补助、奖金、保险、公积金，每周休息一天。但是随时加班，没有加班费。加班到晚上没有公交车的时候，也不给报打车费，公司内有大通铺，爱睡不睡。
这个公司把我激怒了。因为我在填写薪酬待遇的时候添了2k，而且特意在人才市场现场询问了招聘者，能不能达到这个数字。那个招聘的女士很礼貌的说，你下午来吧，这是地址条。我下午推了很重要的事情去的，并且那个公司的面试迟到了少一个小时，结果那个给我递条的人，也就是人力资源主任，在她的办公室同样优雅的说着上面的待遇的时候，我彻底被激怒了，不待脏字的把她骂了，为了我付出的那些时间。
但是，事后反省，我觉得没有必要骂人。因为那不能是我自己的境遇有所改善。在那以后无论碰上多么差劲的招聘者，我都没有发脾气。我可以选择不被他雇用，但是可能以后这个公司就是我的客户，何必呢。
经验十三：小心“后备主管”“储备经理”等。这些职位一般都是招男生，招进去了以后什么活都干，什么苦都吃。因为你是“后备”“储备”呀，所以什么活都让你干。这种把戏多见于那些季节性的行业，比如夏天的酒店和旅行社。
经验十四：永远不要相信承诺，也不要相信合同。这是目前我国的国情。空口固然无凭，盖上了红章章的黑纸白字一样也是废纸。对于一个公司对待员工的状况，口碑这个东东要比承诺、合同都更稍微可信一点。
经验十五：关于劳动合同。多研究一下《劳动法》《合同法》吧，签合同之前要把一些问题搞清楚。很多时候，签还是不签，那是一个问题呀！这个问题比较复杂，我说不太清楚。因为种种种种的原因，我从来就没跟雇主签过合同，虽然我希望做一个守法公民。
经验十六：在选择被谁雇佣之前，仔细计算一下投入产出比例——薪水不是唯一应该被考虑的元素，甚至连重要因素都不是。比如说一个人挣5k，另外一个人挣2k，表面看来收入5k的要比收入2k的收入高很多。但是如果这个挣5k的每天10小时严重超负荷工作，每两周只有一天休息，而且他从事的工作比较封闭，拓展的空间比较小，接触的人也非常少；那个收入2k的每周工作5天，一天8小时，公司有各种培训，工作很开放，拓展的空间也很大。那么我想这两个人五年以后的健康状况、做人境界、收入境界的差别都会非常大的。
经验十七：穿着打扮。面试的时候算是一个比较正式的场合了，所以就要打扮得有那么一点职业气息，绝大多数的公司都需要规矩人。所以如果应聘的不是很需要创造力的职位的话，还是在头几次打扮得乖巧一点，以后模着到了，再怎么舒服怎么穿。女孩子面试的时候，不必特意打扮的，又是做头发、又是买衣服的，不是很有必要。如果一个公司因为你打扮得妖艳看上了你，那才是需要担忧的事情。更有甚者，我听说过有很多人在大学四年级的时候整容，呵呵，那种自我摧残就不要了。一个员工的价值，不在于它是单眼皮合适的双眼皮，在于她眼睛的洞察力。
经验十八：要不要美丽的撒谎。有一些谎言，还是要有的，那种善意的。比如人问你打算在北京定居么，你总不能实话实说这个鬼地方风沙大停车贵总堵车我干两年就回九寨沟老家。
经验十九：刚刚毕业尽量进大公司。应届毕业生，对于公司的选择更要慎重，哈佛的几个心理学家研究过人的第一份工作和一生发展轨迹的关系，得出的结论是人的第一个工作的对一个人的影响比我们想象的还要大，因为那奠定了一个人很多的思考习惯，行为习惯。在高效率的公司干过，到了低效率的公司也能适应。不过要是在一个小公司养成了一身坏毛病，以后的发展就很受限制。大公司之所以能成为大公司，肯定是有过人之处的。进一个好公司相当于上一个好大学，不知不觉中就出息了。
经验二十：招聘人缺少教养的，不管工资给到多高，也不要去。一个公司让缺少礼貌的人去负责招聘，这个公司根本就不值得期待。
其实，把这些都写完以后，我心里也知道，几乎没有公司能够完全按照法律条文上说的那样用工，尤其是对待像大学本科生这样的低级劳动力。既然大学本科生就是过剩劳动力（无论你多牛，从经验这个角度上，你都是过剩的，官方公布的9%的失业率就意味着你将近一成的师兄师姐还没工作呢），所以你必然要碰上一些情况，碰上以后比较合理的选择就是忍气吞声，知道要计较什么不要计较什么，反抗不了就尽情享受吧。
文章摘自 漂泊者 原文地址：http://www.piaobozhe.com/read.php?tid=1030
分类: 搏创人
P、NP和NPC
P/NP问题是在理论信息学中计算复杂度理论领域里至今没有解决的问题，它被“克雷数学研究所”（Clay Mathematics Institute, 简称CMI）在千禧年大奖难题中收录。P/NP问题中包含了复杂度类P与NP的关系。1971年史提芬·古克(Stephen A. Cook) 和 Leonid Levin 相对独立的提出了下面的问题,即是否两个复杂度类P和NP是恒等的（P=NP?）。
P和NP
复杂度类P包含所有那些可以由一个确定型图灵机在多项式表达的时间内解决的问题；类NP由所有其肯定解可以在给定正确信息的多项式时间内验证的决定问题组成，或者等效的说，那些解可以在非确定图灵机上在多项式时间内找出的问题的集合。很可能，计算理论最大的未解决问题就是关于这两类的关系的:
P和NP相等吗?
在2002年对于100研究者的调查，61人相信答案是否定的，9个相信答案是肯定的，22个不确定，而8个相信该问题可能和现在所接受的公理独立，所以不可能证明或证否。[1] 对于正确的解答，有一个1,000,000美元的奖励。
NP-完全问题(或者叫NPC)的集合在这个讨论中有重大作用，它们可以大致的被描述为那些在NP中最不像在P中的。(确切定义细节请参看NP-完全)理论计算机科学家现在相信P, NP,和NPC类之间的关系如图中所示，其中P和NPC类不交。
假设P ≠ NP的复杂度类的图解.如P = NP则三个类相同.本质上，P = NP问题问道：如果是/不是问题的正面答案可以很快验证，其答案是否也可以很快计算？这里有一个给你找点这个问题的感觉的例子。给定一个大数Y,我们可以问Y是否是复合数。例如，我们可能问53308290611是否有非平凡的因子。回答是肯定的，虽然手工找出一个因子很麻烦。从另一个方面讲，如果有人声称答案是”对，因为224737可以整除53308290611″,则我们可以很快用一个除法来验证。验证一个数是除数比首先找出除数来简单得多。用于验证一个正面答案所需的信息也称为证书。所以我们的结论是，给定 正确的证书，问题的正面答案可以很快的(也就是，在多项式时间内)验证，而这就是这个问题属于NP的原因。虽然这个特定的问题，最近被证明为也在P类中(参看下面的关于”质数在P中”的参考),这一点也不明显，而且有很多类似的问题相信不属于类P。
限制到是/不是问题并没有改变问题；即使我们允许更复杂的答案，最后的问题(是否FP = FNP)是等价的。
形式化定义
更正式一些，一个决定问题是一个取一些字符串为输入并要求输出为是或否的问题。若有一个算法（譬如图灵机，或一个LISP或Pascal的程序并有无限的内存）能够在最多nk步内对一个串长度为n的输入给出正确答案，其中k是某个不依赖于输入串的常数，则我们称该问题可以在多项式时间内解决，并且将它置入类P。直观的讲，我们将P中的问题视为可以较快解决的问题。
现在假设有一个算法A(w,C)取两个参数，一个串w，也就是我们的决定问题的输入串，而另一个串C是“建议证明”，并且使得A在最多nk步之内产生“是/否”答案（其中n是w的长度而k不依赖于w）。进一步假设
w是一个答案为“是”的例子，当且仅当，存在C使得A(w,C)返回“是”。
则我们称这个问题可以在非决定性多项式时间内解决，且将它放入NP类。我们把算法A作为一个所建议的证明的检验器，它运行足够快。（注意缩写NP代表“Non-deterministic（非确定性）Polynomial（多项式）”而不是代表“Non-Polynomial（非多项式）。）
NP完全
要解决P = NP问题，NP完全的概念非常有用。不严格的讲，NP完全问题是NP类中“最难”的问题，也就是说它们是最可能不属于P类的。这是因为任何NP中的问题可以在多项式时间内变换成为任何特定NP完全问题的一个特例。例如，旅行商问题的判定问题版本是NP完全的。所以NP中的任何问题的任何特例可以在多项式时间内机械地转换成旅行商问题的一个特例。所以若旅行商问题被证明为在P内，则P = NP！旅行商问题是很多这样的NP完全的问题之一。若任何一个NP完全的问题在P内，则可以推出P = NP。不幸的是，很多重要的问题被证明为NP完全，但没有一个有已知快速的算法。
更难的问题
虽然是否P=NP还是未知的，在P之外的问题是已经知道存在的。寻找国际象棋或围棋最佳走法（在n乘n棋盘上）是指数时间完全的。因为可以证明P ≠ EXPTIME（指数时间），这些问题位于P之外，所以需要比多项式时间更多的时间。判定Presburger算术中的命题是否为真的问题更加困难。Fischer和Rabin于1974年证明每个决定Presburger命题的真伪性的算法有最少2^(2^(cn))的运行时间，c为某个常数。这里，n是Presburger命题的长度。因此，该命题已知需要比指数时间更多的运行时间。不可判定问题是更加困难的，例如停机问题。它们无法在任何给定时间内解决。
P真的容易处理吗？
上面所有的讨论假设了P表示“容易”而“不在P中”表示“困难”。这是一个在复杂度理论中常见而且有一定准确性的假设，它在实践中却不总是真的，原因包括如下几点：
它忽略了常数因子。一个需要101000n时间的问题是属于P的（它是线性时间的），但是事实上完全无法处理。一个需要10-100002n时间的问题不是在P中的（它是指数时间的），但是对于n 取值直到几千时还是很容易处理的。
它忽略了指数的大小。一个时间复杂度n1000属于P，但是很难对付。已经证明在P中存在需要任意大的指数的问题（参看时间等级定理）。一个时间复杂度2n/1000的问题不属于P，但对与n直到几千还是容易应对的。
它只考虑了最坏情况的复杂度。可能现实世界中的有些问题在多数时候可以在时间n中解决，但是很偶尔你会看到需要时间2n的特例。这个问题可能有一个多项式的平均时间，但最坏情况是指数式的，所以该问题不属于P。
它只考虑确定性解。可能有一个问题你可以很快解决如果你可以接受出现一点误差的可能，但是确保正确的答案会难得多。这个问题不会属于P，虽然事实上它可以很快求解。这实际上是解决属于NP而还不知道是否属于P的问题的一个办法（参看RP， BPP）。
新的诸如量子电脑这样的计算模型，可能可以快速的解决一些尚未知道是否属于P的问题；但是，没有一个它们已知能够解决的问题是NP完全的。不过，必须注意到P和NP问题的定义是采用象图灵机这样的经典计算模型的属于表述的。所以，即使一个量子计算机算法被发现能够有效的解决一个NP完全问题，我们只是有了一个快速解决困难问题的实际方法，而不是数学类P和NP相等的证明。
计算机科学家为什么认为P ≠ NP？
多数计算机科学家相信P≠NP。该信念的一个关键原因是经过数十年对这些问题的研究，没有人能够发现一个NP完全问题的多项式时间算法。而且，人们早在NP完全的概念出现前就开始寻求这些算法了（Karp的21个NP完全问题，在最早发现的一批中，有所有著名的已经存在的问题]]）。进一步地，P = NP这样的结果会导出很多惊人的结果，那些结果现在被相信是不成立的，例如NP = 余NP和P = PH。
也有这样论证的：问题较难求解(NP)但容易验证(P)，这和我们日常经验是相符的。
从另一方面讲，某些研究者认为我们过于相信P ≠ NP，而应该也去寻找P = NP的证明。例如，2002年中有这样的声明：
倾向P≠NP的主要论据是在穷尽搜索的领域完全没有本质进展。也就是说，以我的观点，一个很弱的论据。算法的空间是很大的，而我们只是在开始探索的起点。[ . . . ] 费马最後定理的解决也显示非常简单的[sic]问题可能只有用非常深刻的理论才能解决。
— Moshe Vardi，莱斯大学
过分依赖某种投机不是规划研究的一个好的导引。我们必须总是尝试每个问题的两个方向。偏见可能导致著名的数学家无法解决答案和他们的预计相反的著名问题，虽然他们发展了所有所需的方法。
— Anil Nerode, 康奈尔大学
关于证明的难度的结果
虽然百万美元的奖金和大量投入巨大却没有实质性结果的研究足以显示该问题是困难的，还有一些形式化的结果证明为什么该问题可能很难解决。
最常被引用的结果之一设计神喻。假想你有一个魔法机器可以解决单个问题，例如决定一个给定的数字是否为质数，但可以瞬间解决这个问题。我们的新问题是，若我们被允许任意利用这个机器，是否存在我们可以在多项式时间内验证但无法在多项式时间内解决的问题？结果是，依赖于机器能解决的问题，P = NP和P ≠ NP二者都可以证明。这个结论的后果是，任何可以修改来证明该机器的存在性的结果不能解决问题。不幸的是，几乎所有经典的方法和大部分已知的方法可以这样修改（我们称它们在相对化）。
如果这还不算太糟的话，1993年Razborov和Rudich证明的一个结果表明，给定一个特定的可信的假设，在某种意义下“自然”的证明不能解决P = NP问题。[3] 这表明一些现在似乎最有希望的方法不太可能成功。随着更多这类的定理得到证明，该定理的可能证明有越来越多的陷阱要规避。
这实际上也是为什么NP完全问题有用的原因：若有一个多项式时间算法，或者没有一个这样的算法，对于NP完全问题存在，这将用一种相信不被上述结果排除在外的方法来解决P = NP问题。
多项式时间算法
没人知道多项式时间算法对于NP完全问题是否存在。但是如果这样的算法存在，我们已经知道其中的一些了！例如，下面的算法正确的接受了一个NP完全语言，但是没人知道通常它需要多久运行。它是一个多项式时间算法当且仅当P = NP。
// 接受NP完全语言的一个算法子集和。
//
// 这是一个多项式时间算法当且仅当P=NP。
//
// “多项式时间”表示它在多项式时间内返回“是”，若
// 结果是“是”，否则永远运行。
//
// 输入：S = 一个自然数的有限集
// 输出：”是” 如果某个S的子集加起来等于0。
// 否则，它永远运行没有输出。
// 注意: “程序数P” 是你将一个整数P写为二进制，然后
// 将位串考虑为一个程序。
// 每个可能的程序都可以这样产生，
// 虽然多数什么也不做因为有语法错误。
//
FOR N = 1…infinity
FOR P = 1…N
以S为输入运行程序数P N步
IF 程序输出一个不同的整数的列表
AND 所有整数都在S中
AND 整数的和为0
THEN
OUTPUT “是” 并 停机
若P = NP，则这是一个接受一个NP完全语言的多项式时间算法。“接受”表示它在多项式时间内给出“是”的答案，但允许在答案是“否”的时候永远运行。
可能我们想要“解决”子集和问题，而不是仅仅“接受”子集和语言。这表示我们想要它总是停机并返回一个“是”或“否”的答案。是否存在任何可能在多项式时间内解决这个问题的算法？没有人知道。但是如果这样的算法存在，那么我们已经知道其中的一些了！只要将上面的算法中的IF语句替换成下面的语句：
IF 程序输出一个完整的数学证明
AND 证明的每一步合法
AND 结论是S确实有（或者没有）一个和为0的子集
THEN
OUTPUT “是” （或者”不是”如果那被证明了）并停机
逻辑表述
P=NP问题可以用逻辑命题的特定类的可表达性的术语来重新表述。所有P中的语言可以用一阶逻辑加上最小不动点操作（实际上，这允许了递归函数的定义）来表达。类似地，NP是可以用存在性二阶逻辑来表达—也就是，在关系、函数、和子集上排除了全域量词的二阶逻辑。多项式等级，PH中的语言对应与所有的二阶逻辑。这样，“P是NP的真子集吗”这样的问题可以表述为“是否存在性二阶逻辑能够表达带最小不动点操作的一阶逻辑的所不能表达的语言？”
花絮
普林斯顿大学计算机系楼将二进制代码表述的“P=NP?”问题刻进顶楼西面的砖头上。如果证明了P=NP，砖头可以很方便的换成表示“P=NP！”。[4]
康奈尔大学的Hubert Chen博士提供了这个玩笑式的P不等于NP的证明：“反证法。设P = NP。令y为一个P = NP的证明。证明y可以用一个合格的计算机科学家在多项式时间内验证，我们认定这样的科学家的存在性为真。但是，因为P = NP，该证明y可以在多项式时间内由这样的科学家发现。但是这样的发现还没有发生（虽然这样的科学家试图发现这样的一个证明），我们得到矛盾。
在P问题与NP问题上的一个重大进展在20世纪70年代初由Cook S和Levin L完成.他们发现NP中的某些问题的复杂性与整个类的复杂性相关联.这些问题中任何一个如果存在多项式时间的算法,那么所有NP问题都是多项式时间可解的.这些问题被称为NP-完全问题(NPC问题).
判定方法:
一个判定性问题，满足：
(1)∏∈NP
(2)对任意一个∏’∝poly∏ (注:poly为规约符号)
则问题∏称为NP-完全的(NP-complete，NPC)；如果问题∏仅满足条件(2)而不满足条件(1)，则问题NP称为NP-难的(NP-hard)。http://baike.baidu.com/view/1221246.htm?fr=ala0
这或许是众多OIer最大的误区之一。
你会经常看到网上出现“这怎么做，这不是NP问题吗”、“这个只有搜了，这已经被证明是NP问题了”之类的话。你要知道，大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞清楚NP问题和NPC问题的概念。NP问题并不是那种“只有搜才行”的问题，NPC问题才是。好，行了，基本上这个误解已经被澄清了。下面的内容都是在讲什么是P问题，什么是NP问题，什么是NPC问题，你如果不是很感兴趣就可以不看了。接下来你可以看到，把NP问题当成是 NPC问题是一个多大的错误。
还是先用几句话简单说明一下时间复杂度。时间复杂度并不是表示一个程序解决问题需要花多少时间，而是当问题规模扩大后，程序需要的时间长度增长得有多快。也就是说，对于高速处理数据的计算机来说，处理某一个特定数据的效率不能衡量一个程序的好坏，而应该看当这个数据的规模变大到数百倍后，程序运行时间是否还是一样，或者也跟着慢了数百倍，或者变慢了数万倍。不管数据有多大，程序处理花的时间始终是那么多的，我们就说这个程序很好，具有O(1)的时间复杂度，也称常数级复杂度；数据规模变得有多大，花的时间也跟着变得有多长，这个程序的时间复杂度就是O(n)，比如找n个数中的最大值；而像冒泡排序、插入排序等，数据扩大2倍，时间变慢4倍的，属于O(n^2)的复杂度。还有一些穷举类的算法，所需时间长度成几何阶数上涨，这就是O(a^n)的指数级复杂度，甚至O(n!)的阶乘级复杂度。不会存在O(2*n^2)的复杂度，因为前面的那个“2”是系数，根本不会影响到整个程序的时间增长。同样地，O (n^3+n^2)的复杂度也就是O(n^3)的复杂度。因此，我们会说，一个O(0.01*n^3)的程序的效率比O(100*n^2)的效率低，尽管在n很小的时候，前者优于后者，但后者时间随数据规模增长得慢，最终O(n^3)的复杂度将远远超过O(n^2)。我们也说，O(n^100)的复杂度小于O(1.01^n)的复杂度。
容易看出，前面的几类复杂度被分为两种级别，其中后者的复杂度无论如何都远远大于前者：一种是O(1),O(log(n)),O(n^a)等，我们把它叫做多项式级的复杂度，因为它的规模n出现在底数的位置；另一种是O(a^n)和O(n!)型复杂度，它是非多项式级的，其复杂度计算机往往不能承受。当我们在解决一个问题时，我们选择的算法通常都需要是多项式级的复杂度，非多项式级的复杂度需要的时间太多，往往会超时，除非是数据规模非常小。
自然地，人们会想到一个问题：会不会所有的问题都可以找到复杂度为多项式级的算法呢？很遗憾，答案是否定的。有些问题甚至根本不可能找到一个正确的算法来，这称之为“不可解问题”(Undecidable Decision Problem)。The Halting Problem就是一个著名的不可解问题，在我的Blog上有过专门的介绍和证明。再比如，输出从1到n这n个数的全排列。不管你用什么方法，你的复杂度都是阶乘级，因为你总得用阶乘级的时间打印出结果来。有人说，这样的“问题”不是一个“正规”的问题，正规的问题是让程序解决一个问题，输出一个“YES”或“NO”（这被称为判定性问题），或者一个什么什么的最优值（这被称为最优化问题）。那么，根据这个定义，我也能举出一个不大可能会有多项式级算法的问题来：Hamilton回路。问题是这样的：给你一个图，问你能否找到一条经过每个顶点一次且恰好一次（不遗漏也不重复）最后又走回来的路（满足这个条件的路径叫做Hamilton回路）。这个问题现在还没有找到多项式级的算法。事实上，这个问题就是我们后面要说的NPC问题。
下面引入P类问题的概念：如果一个问题可以找到一个能在多项式的时间里解决它的算法，那么这个问题就属于P问题。P是英文单词多项式的第一个字母。哪些问题是P类问题呢？通常NOI和NOIP不会出不属于P类问题的题目。我们常见到的一些信息奥赛的题目都是P问题。道理很简单，一个用穷举换来的非多项式级时间的超时程序不会涵盖任何有价值的算法。
接下来引入NP问题的概念。这个就有点难理解了，或者说容易理解错误。在这里强调（回到我竭力想澄清的误区上），NP问题不是非P类问题。NP问题是指可以在多项式的时间里验证一个解的问题。NP问题的另一个定义是，可以在多项式的时间里猜出一个解的问题。比方说，我RP很好，在程序中需要枚举时，我可以一猜一个准。现在某人拿到了一个求最短路径的问题，问从起点到终点是否有一条小于100个单位长度的路线。它根据数据画好了图，但怎么也算不出来，于是来问我：你看怎么选条路走得最少？我说，我RP很好，肯定能随便给你指条很短的路出来。然后我就胡乱画了几条线，说就这条吧。那人按我指的这条把权值加起来一看，嘿，神了，路径长度98，比100小。于是答案出来了，存在比100小的路径。别人会问他这题怎么做出来的，他就可以说，因为我找到了一个比100 小的解。在这个题中，找一个解很困难，但验证一个解很容易。验证一个解只需要O(n)的时间复杂度，也就是说我可以花O(n)的时间把我猜的路径的长度加出来。那么，只要我RP好，猜得准，我一定能在多项式的时间里解决这个问题。我猜到的方案总是最优的，不满足题意的方案也不会来骗我去选它。这就是NP问题。当然有不是NP问题的问题，即你猜到了解但是没用，因为你不能在多项式的时间里去验证它。下面我要举的例子是一个经典的例子，它指出了一个目前还没有办法在多项式的时间里验证一个解的问题。很显然，前面所说的Hamilton回路是NP问题，因为验证一条路是否恰好经过了每一个顶点非常容易。但我要把问题换成这样：试问一个图中是否不存在Hamilton回路。这样问题就没法在多项式的时间里进行验证了，因为除非你试过所有的路，否则你不敢断定它“没有Hamilton回路”。
之所以要定义NP问题，是因为通常只有NP问题才可能找到多项式的算法。我们不会指望一个连多项式地验证一个解都不行的问题存在一个解决它的多项式级的算法。相信读者很快明白，信息学中的号称最困难的问题——“NP问题”，实际上是在探讨NP问题与P类问题的关系。
很显然，所有的P类问题都是NP问题。也就是说，能多项式地解决一个问题，必然能多项式地验证一个问题的解——既然正解都出来了，验证任意给定的解也只需要比较一下就可以了。关键是，人们想知道，是否所有的NP问题都是P类问题。我们可以再用集合的观点来说明。如果把所有P类问题归为一个集合P中，把所有 NP问题划进另一个集合NP中，那么，显然有P属于NP。现在，所有对NP问题的研究都集中在一个问题上，即究竟是否有P=NP？通常所谓的“NP问题”，其实就一句话：证明或推翻P=NP。
NP问题一直都是信息学的巅峰。巅峰，意即很引人注目但难以解决。在信息学研究中，这是一个耗费了很多时间和精力也没有解决的终极问题，好比物理学中的大统一和数学中的歌德巴赫猜想等。
目前为止这个问题还“啃不动”。但是，一个总的趋势、一个大方向是有的。人们普遍认为，P=NP不成立，也就是说，多数人相信，存在至少一个不可能有多项式级复杂度的算法的NP问题。人们如此坚信P≠NP是有原因的，就是在研究NP问题的过程中找出了一类非常特殊的NP问题叫做NP-完全问题，也即所谓的 NPC问题。C是英文单词“完全”的第一个字母。正是NPC问题的存在，使人们相信P≠NP。下文将花大量篇幅介绍NPC问题，你从中可以体会到NPC问题使P=NP变得多么不可思议。
为了说明NPC问题，我们先引入一个概念——约化(Reducibility，有的资料上叫“归约”)。
简单地说，一个问题A可以约化为问题B的含义即是，可以用问题B的解法解决问题A，或者说，问题A可以“变成”问题B。《算法导论》上举了这么一个例子。比如说，现在有两个问题：求解一个一元一次方程和求解一个一元二次方程。那么我们说，前者可以约化为后者，意即知道如何解一个一元二次方程那么一定能解出一元一次方程。我们可以写出两个程序分别对应两个问题，那么我们能找到一个“规则”，按照这个规则把解一元一次方程程序的输入数据变一下，用在解一元二次方程的程序上，两个程序总能得到一样的结果。这个规则即是：两个方程的对应项系数不变，一元二次方程的二次项系数为0。按照这个规则把前一个问题转换成后一个问题，两个问题就等价了。同样地，我们可以说，Hamilton回路可以约化为TSP问题(Travelling Salesman Problem，旅行商问题)：在Hamilton回路问题中，两点相连即这两点距离为0，两点不直接相连则令其距离为1，于是问题转化为在TSP问题中，是否存在一条长为0的路径。Hamilton回路存在当且仅当TSP问题中存在长为0的回路。
“问题A可约化为问题B”有一个重要的直观意义：B的时间复杂度高于或者等于A的时间复杂度。也就是说，问题A不比问题B难。这很容易理解。既然问题A能用问题B来解决，倘若B的时间复杂度比A的时间复杂度还低了，那A的算法就可以改进为B的算法，两者的时间复杂度还是相同。正如解一元二次方程比解一元一次方程难，因为解决前者的方法可以用来解决后者。
很显然，约化具有一项重要的性质：约化具有传递性。如果问题A可约化为问题B，问题B可约化为问题C，则问题A一定可约化为问题C。这个道理非常简单，就不必阐述了。
现在再来说一下约化的标准概念就不难理解了：如果能找到这样一个变化法则，对任意一个程序A的输入，都能按这个法则变换成程序B的输入，使两程序的输出相同，那么我们说，问题A可约化为问题B。
当然，我们所说的“可约化”是指的可“多项式地”约化(Polynomial-time Reducible)，即变换输入的方法是能在多项式的时间里完成的。约化的过程只有用多项式的时间完成才有意义。
好了，从约化的定义中我们看到，一个问题约化为另一个问题，时间复杂度增加了，问题的应用范围也增大了。通过对某些问题的不断约化，我们能够不断寻找复杂度更高，但应用范围更广的算法来代替复杂度虽然低，但只能用于很小的一类问题的算法。再回想前面讲的P和NP问题，联想起约化的传递性，自然地，我们会想问，如果不断地约化上去，不断找到能“通吃”若干小NP问题的一个稍复杂的大NP问题，那么最后是否有可能找到一个时间复杂度最高，并且能“通吃”所有的 NP问题的这样一个超级NP问题？答案居然是肯定的。也就是说，存在这样一个NP问题，所有的NP问题都可以约化成它。换句话说，只要解决了这个问题，那么所有的NP问题都解决了。这种问题的存在难以置信，并且更加不可思议的是，这种问题不只一个，它有很多个，它是一类问题。这一类问题就是传说中的NPC 问题，也就是NP-完全问题。NPC问题的出现使整个NP问题的研究得到了飞跃式的发展。我们有理由相信，NPC问题是最复杂的问题。再次回到全文开头，我们可以看到，人们想表达一个问题不存在多项式的高效算法时应该说它“属于NPC问题”。此时，我的目的终于达到了，我已经把NP问题和NPC问题区别开了。到此为止，本文已经写了近5000字了，我佩服你还能看到这里来，同时也佩服一下自己能写到这里来。
NPC问题的定义非常简单。同时满足下面两个条件的问题就是NPC问题。首先，它得是一个NP问题；然后，所有的NP问题都可以约化到它。证明一个问题是 NPC问题也很简单。先证明它至少是一个NP问题，再证明其中一个已知的NPC问题能约化到它（由约化的传递性，则NPC问题定义的第二条也得以满足；至于第一个NPC问题是怎么来的，下文将介绍），这样就可以说它是NPC问题了。
既然所有的NP问题都能约化成NPC问题，那么只要任意一个NPC问题找到了一个多项式的算法，那么所有的NP问题都能用这个算法解决了，NP也就等于P 了。因此，给NPC找一个多项式算法太不可思议了。因此，前文才说，“正是NPC问题的存在，使人们相信P≠NP”。我们可以就此直观地理解，NPC问题目前没有多项式的有效算法，只能用指数级甚至阶乘级复杂度的搜索。
顺便讲一下NP-Hard问题。NP-Hard问题是这样一种问题，它满足NPC问题定义的第二条但不一定要满足第一条（就是说，NP-Hard问题要比 NPC问题的范围广）。NP-Hard问题同样难以找到多项式的算法，但它不列入我们的研究范围，因为它不一定是NP问题。即使NPC问题发现了多项式级的算法，NP-Hard问题有可能仍然无法得到多项式级的算法。事实上，由于NP-Hard放宽了限定条件，它将有可能比所有的NPC问题的时间复杂度更高从而更难以解决。
不要以为NPC问题是一纸空谈。NPC问题是存在的。确实有这么一个非常具体的问题属于NPC问题。下文即将介绍它。
下文即将介绍逻辑电路问题。这是第一个NPC问题。其它的NPC问题都是由这个问题约化而来的。因此，逻辑电路问题是NPC类问题的“鼻祖”。
逻辑电路问题是指的这样一个问题：给定一个逻辑电路，问是否存在一种输入使输出为True。
什么叫做逻辑电路呢？一个逻辑电路由若干个输入，一个输出，若干“逻辑门”和密密麻麻的线组成。看下面一例，不需要解释你马上就明白了。
┌───┐
│ 输入1├─→┐ ┌──┐
└───┘ └─→┤ │
│ or ├→─┐
┌───┐ ┌─→┤ │ │ ┌──┐
│ 输入2├─→┤ └──┘ └─→┤ │
└───┘ │ ┌─→┤AND├──→输出
└────────┘ ┌→┤ │
┌───┐ ┌──┐ │ └──┘
│ 输入3├─→┤ NOT├─→────┘
└───┘ └──┘
这是个较简单的逻辑电路，当输入1、输入2、输入3分别为True、True、False或False、True、False时，输出为True。
有输出无论如何都不可能为True的逻辑电路吗？有。下面就是一个简单的例子。
┌───┐
│输入1 ├→─┐ ┌──┐
└───┘ └─→┤ │
│AND├─→┐
┌─→┤ │ │
│ └──┘ │ ┌──┐
│ └→┤ │
┌───┐ │ │AND├─→输出
│输入2 ├→─┤ ┌──┐ ┌→┤ │
└───┘ └→┤NOT ├→──┘ └──┘
└──┘
上面这个逻辑电路中，无论输入是什么，输出都是False。我们就说，这个逻辑电路不存在使输出为True的一组输入。
回到上文，给定一个逻辑电路，问是否存在一种输入使输出为True，这即逻辑电路问题。
逻辑电路问题属于NPC问题。这是有严格证明的。它显然属于NP问题，并且可以直接证明所有的NP问题都可以约化到它（不要以为NP问题有无穷多个将给证明造成不可逾越的困难）。证明过程相当复杂，其大概意思是说任意一个NP问题的输入和输出都可以转换成逻辑电路的输入和输出（想想计算机内部也不过是一些 0和1的运算），因此对于一个NP问题来说，问题转化为了求出满足结果为True的一个输入（即一个可行解）。
有了第一个NPC问题后，一大堆NPC问题就出现了，因为再证明一个新的NPC问题只需要将一个已知的NPC问题约化到它就行了。后来，Hamilton 回路成了NPC问题，TSP问题也成了NPC问题。现在被证明是NPC问题的有很多，任何一个找到了多项式算法的话所有的NP问题都可以完美解决了。因此说，正是因为NPC问题的存在，P=NP变得难以置信。P=NP问题还有许多有趣的东西，有待大家自己进一步的挖掘。攀登这个信息学的巅峰是我们这一代的终极目标。现在我们需要做的，至少是不要把概念弄混淆了。
本文转自Matrix67神牛Blog: http://www.matrix67.com
相关文章
分类: 搏创人
什么都“云”了，连输入法也“云”
近日，搜狗率先将输入法发挥到极致，在全球范围首个推出云输入法。搜狗云输入法是基于搜狗拼音输入法，依托云计算技术的一个概念性输入法产品。搜狗云输入法在硬件和软件上都突破了桌面输入法方面的限制。
其与一般输入法最明显的区别在于，完全靠服务器运算，具有更强大语言模型和词库，能大幅提升输入准确率，特别是长句输入准确率。
搜狗云输入法计算存储平台是内存巨大计算能力强大的服务器，因此其存储的词库和语言模型库从理论上可以无限大。同时由于计算能力强大，为了让计算结果更准确，搜狗云输入法中采用了三元语言模型和带有语义特点的trigger模型。
搜狗云输入法是搜索引擎和自然语言处理的集大成者，具有云计算的特点，代表了未来技术发展的方向。依靠强大强大的技术实力，搜狗云输入法做到了中文输入领域空前的大、全、准。同传统输入法相比，搜狗云输入法更加精准，将中文输入的语义正确率提高到90%，更是将用户短句的覆盖率和首选率更是提高到了96%以上。搜狗输入法的推出，也代表中文输入进入了云时代。
搜狗云输入法具有跨平台、免安装的优点，并兼容Windows，Linux，Mac等各个操作系统，兼容各个主流浏览器（IE，搜狗浏览器，Firefox ），用户无即使在网吧等临时使用环境，都能在上网冲浪时享受搜狗输入法的流畅输入体验搜狗输入法，彻底实现了随时随地享受搜狗输入法的流畅输入体验。
搜狐公司高级副总裁王小川表示：搜狗云输入法如同一辆概念车，展示了搜狗的技术创新能力以及对中文处理的领先优势，对于中文输入进一步提升输入准确率、跨平台性，以及探索新的输入模式都有示范意义。
根据国内权威的第三方市场调研机构艾瑞咨询最新的调研数据发现，2009年使用过搜狗输入法的用户比例接近80%，且搜狗输入法同样成为了用户最常使用的输入法软件，最常使用搜狗输入法的用户比例超过50%，远高于其他输入法产品排名首位；用户对于搜狗输入法的满意程度相对较高，超过60%的搜狗输入法软件用户非常满意该软件。艾瑞认为，搜狗输入法一直以来坚持以创新为导向，不断提升用户体验和使用习惯，获得了众多用户和市场的肯定，用户的高推荐度及满意度也证明，搜狗输入法在用户中的具有的较高的美誉度。
业内人士认为，搜狗云输入法的推出，不仅展示了搜狗在中文搜索和中文输入方面强大的技术实力，更将搜索技术的应用和中文输入带入了一个全新的高度和领域。
相关文章
分类: 搏创人
淘宝怎么赚钱
淘宝目前对所有的商户实行免费，马云说:“淘宝3年不收费。中国的C2C市场还处于市场培育阶段，免费模式更利于跑马圈地。”
马云的免费策略能圈到地吗?
艾瑞咨询(iResearch)2004年度调查报告显示，中国网上拍卖市场上，eBay易趣的注册用户为950万，淘宝网上的注册费为400万，一拍网注册用户约40万，其他拍卖网站注册用户约10万。
报告还显示，2004年中国网上拍卖市场总共约4250万件商品，成交率约为40%，总成交量约为1700万件，成交金额为34亿元。其中eBay易趣的成交额约为22亿元，淘宝成交额约为10亿元。
而按淘宝提供的数据，在2005年第一季度，淘宝的成交额为10.2亿元，易趣成交额为1亿美元，淘宝首次反败为胜。
“除了与淘宝提供的本土化服务有关之外，也与淘宝免费政策有关。”马云这样解释淘宝后来居上的原因。
“有些用户为了逃避eBay易趣的成交费，在eBay易趣发现所需货物后，并没有用eBay易趣的安付通支付，而是选择了淘宝的支付宝，这使有些eBay易趣用户实际上成为淘宝用户。”阿里巴巴一名员工说。
支付宝是阿里巴巴旗下的支付宝公司针对网上交易而推出的安全付款服务，支付宝作为信用中介，在买家确认收到商品前，由支付宝替买卖双方暂时保管货款。
淘宝提供的数据显示，截至2005年2月24日，淘宝网有79%的在线商品交易接受通过支付宝交易。
淘宝如今的免费模式是对阿里巴巴模式的复制。阿里巴巴在收费之前，经历了长达3年的免费期。
马云表示:“那时候，阿里巴巴是花投资者的钱，心里只有对美好未来的信心;淘宝现在烧的钱一部分来自阿里巴巴的赢利，另一部分也来自投资者，同样基于对未来的信心，因为阿里巴巴就是一个例子。”
“淘宝还会继续坚持免费，现在还是收小钱的时候，还是跑马圈地的时候，阿里巴巴不急。”马云说。
经常上淘宝逛，也经常向身边的朋友同事推荐，朋友同事们使用后都觉得不错，改变了以往对网上购物的看法，同时也都问我：淘宝网靠什么赚钱？大家都觉得，即然在淘宝开店都是免费的，交易也不收任何的手续费，那么淘宝还赚什么钱呀。其实我们分析一下就明白它靠什么赚钱了。
首先，淘宝网本身的确赚不到什么钱，做广告的钱和运营网站的花销来说根本不算什么。但淘宝是阿里巴巴旗下的网站，同样，淘宝的支付平台“支付宝”也是阿里巴巴的。那么我们来看看“支付宝”是怎么回事。
网上交易，买家和卖家互相不认识，又不可能面对面交易，那么这就给交易带来了困难，买家即不敢先付款后收货，卖家也不敢先发货再收钱，这是由于双方的不信任造成的。那么这时就有一个第三方信任机构参与进来。买家和卖家双方互不信任，但都信任第三方信任机构，所以通过第三方信任机构就可以完成交易。买家先把款付给第三方信任机构，因为信任，所以敢把钱给它；第三方信任机构收到钱后通知卖家已收到钱，可以发货。于是卖家就发货了，同样也是因为信任。这样就解决了网上交易最大的障碍。
“支付宝”就担当这个第三方信任机构，同样还有易趣的“安付通”，腾讯的“财付通”等都属于此。
淘宝的交易必须通过“支付宝”，也就是说，大家买卖时必须先把钱转入“支付宝”账户。淘宝每天的交易额达上亿元人民币，那么这上亿元就都在“支付宝”的账户里了。卖家发货后，有的是快递，有的是平邮，综合一下，平均物流时间大概在3-5天左右，成交后，卖家要想提现，还要再等几天的时间，这样算下来，每天“支付宝”的账户里就有5-10亿的交易款。
就这些了吗？当然不！大家看到拍卖的商品了吗？要想参与竞拍，则必须交保证金，拍得越多保证金累计就越多。这些保证金虽然还是属于买家的，但处于冻结状态，要等拍卖的商品拍卖结束后才能使用。而一般的拍卖商品长达十几天，也就是说，这些保证金要在“支付宝”的账户里呆上很长的时间。
还有，很多的买家图省事，预先向“支付宝”里充一部分钱，购买时就方便了，这样一样，“支付宝”的账户里又多了很多。
除了淘宝，还有阿里妈妈网站，也是通过“支付宝”进行交易，而且钱在其账户上呆的时间更长。
除此之外，“支付宝”还面对其它的网上交易，也就是说，只要你在网上交易，即使不在淘宝上，也可以使用“支付宝”作为第三方信任机构，这样一来，“支付宝”的账户里又增加了一笔。如果是商家对商家，那么金额可想而知了。
还有什么？大家可别忘了，还有一个大头呢，阿里巴巴呀！那上面的资金流动可非同小可呀，可给“支付宝”撑起半面天。
综合以上几点，保守的估计，“支付宝”的账户里金额可达上百亿（甚至更多，咱是井底之蛙，不敢想-_-!）。
下面不用说大家也都能知道了，有了钱再赚钱就容易了。淘宝网站越不赚钱“支付宝”就越赚钱。
by btmjy9526
相关文章
分类: 搏创人
一种理论
一位优秀的商人杰克，有一天告诉他的儿子——
杰克：我已经决定好了一个女孩子，我要你娶她。
儿子：我自己要娶的新娘我自己会决定。
杰克：但我说的这女孩可是比尔盖兹的女儿喔！
儿子：哇！那这样的话……
在一个聚会中，杰克走向比尔盖茨——
杰克：我来帮你女儿介绍个好丈夫。
比尔：我女儿还没想嫁人呢！
杰克：但我说的这年轻人可是世界银行的副总裁喔！
比尔：哇！那这样的话……
接着，杰克去见世界银行的总裁——
杰克：我想介绍一位年轻人来当贵行的副总裁。
总裁：我们已经有很多位副总裁，够多了。
杰克：但我说的这年轻人可是比尔盖兹的女婿喔！
总裁：哇！那这样的话……
最后，杰克的儿子娶了比尔盖茨的女儿，又当上世界银行的副总裁。
分类: 搏创人
Multiple Instance Learning
Multiple Instance Learning (MIL) is a special learning framework which deals with uncertainty of instance labels. In this setting training data is available only as pairs of bags of instances with labels for the bags. Instance labels remain unknown and might be inferred during learning. A positive bag label indicates that at least one instance of that bag can be assigned a positive label. This instance can therefore be thought of as a witness for the label. Instance in negative labelled bags are altogether of the negative class, so there is no uncertainty about their label.
There exist quite an amount of literature to the Multiple Instance Learning problem. This website provides an overview of the MIL related research at this institute and hosts software we made available as well as datasets.
Approaches to MIL Conformal KernelsIn [1] we describe how we can jointly learn a linear discriminant as well as parameters of a modified set kernel that solves the multiple-instance problem. Base kernels are modified conformally to emphasize regions of the input space that are discriminative while de-emphasizing regions that contain patterns from both positive and negative bags.
MIL SVM formulationsIn [2] we presented a SVM formulation for the MIL problem and presented a deterministic annealing approach to infer the missing instance labels during learning. This formulation is based on the work of Andrews et.al., identifies a shortcoming of their approach and extends the formulation to overcome it.
The code used for the experiments in this paper is based on the machine learning toolbox The Spider. This README describes the installation of this package. If you are familiar with spider you might want to download directly the code and/or the benchmark datasets.
[1] Conformal Multi-Instance Kernels, Matthew B. Blaschko and Thomas Hofmann, NIPS’06 Workshop on Learning to Compare Examples, 2006 [2] Deterministic Annealing for Multiple-Instance Learning, Peter V. Gehler and Olivier Chapelle, AISTATS 2007http://www.kyb.mpg.de/bs/people/pgehler/mil/mil.html
Publications 相关文章
分类: 搏创人
Wordpress主题,还挺多
1. 100个优秀的免费WordPress主题
浏览地址：100 Excellent Free WordPress Themes
2. 83个漂亮的WordPress主题浏览地址：83 Beautiful Wordpress Themes You (Probably) Haven’t Seen
3. 21个新鲜的、优雅的WordPress主题浏览地址：21 Fresh, Usable and Elegant Wordpress Themes
4. 30个高质量的免费Wordpress主题浏览地址：30 Free Professional Wordpress Themes
5. 45+ 必看的WordPress主题浏览地址：45+ Must See WordPress themes
6. 16个免费版WordPress的主题，不要错过浏览地址：16 Free Premium Wordpress Themes That Don’t Suck
7. 50个漂亮的免费WordPress的主题浏览地址：50 Beautiful Free WordPress Themes
8. 55个令你心动的高级WordPress 主题浏览地址：55 Premium WordPress Themes to Blow Your Mind
9. 20个专业的WordPress主题浏览地址：20 Specialty WordPress Themes
10. 15高质量的免费WordPress2.7主题浏览地址：15 High Quality Free Premium WordPress 2.7 Themes
11. 20个令人难以置信的有用的后台管理主题和插件浏览地址： 20 Incredibly Useful Themes and Plugins to Boost your Admin Area
12. 21个高质量的免费的WordPress的主题浏览地址：21 Mindblowing Premium-Like Free Wordpress Themes
13. 140 +闪亮的免费WordPress主题浏览地址：21 Mindblowing Premium-Like Free Wordpress Themes
14. 官方主题资源集合浏览地址：Theme Directory
http://www.juqng.com/index.php/resource/docs/wordpress-theme/
相关文章
分类: 搏创人
