andrew演算法

1. 計算機科學與技術，大二了，我該學些什麼呢，現在只會寫幾行代碼

我不是大神，事實上我還是大一呢。我已經學了C，正在學C++，我也是一頭霧水。再好多看些相關書籍。我給你推薦些。我只看了一點就受益無窮。求採納。
計算機經典教材
目錄
1 前言
2 Mathematics (數學)
3 Data Structures & Algorithms (數據結構、演算法)
4 Compiler (編譯原理)
5 Operating System (操作系統)
6 Database (資料庫)
7 C (C 語言)
8 C++ (C++ 語言)
9 Object-Oriented (面向對象)
10 Software Engineering (軟體工程)
11 UNIX Programming (UNIX編程)
12 UNIX Administration (UNIX系統管理)
13 Networks (網路)
14 Windows Programming (Windows 編程)
15 Other (其它)

前言

推薦原則：
寧缺勿濫，決不混進糟粕 (好書不一定對所有人都合適，但對於它的目標讀者群來說，一定是好書)。
選書原則：
有國外的，不看國產的
有原版的，不看翻譯的
看大師的作品
看書原則：
不要看C、C++、java……今天聽說C好，就跑去學C。明天聽說java好，就跑去學java，最後你什麼也學不到。因為不管什麼語言，永遠不要忘記語言的本質。語言只是一種工具，它的作用就是完成你的工作。不管把
C 的語法學得如何透徹，也不管把 C 的
trick用的如何精妙，這都不能表示你會編程。要學會如何分析問題，如何設計程序，如何用一種具體的語言來實現。如果你只會做最後一步，你只是一個編碼者(coder)，還不是一個程序員(programmer)。做一個programmer，不要做coder。總之，不要為了學語言而去學語言(除非你是個語言學家)。

不要放棄對基礎知識的學習。所謂基礎知識，一般都有一個特點，那就是：它們可能看起來沒用，但如果你忽視它們的話，總有一天你會後悔莫及。所以，如果不想以後再後悔的話，就在今天多花點時間。

不管學什麼東西，學之前先弄明白自己要學的是什麼東西，它有什麼用，在你已經學和以後的發展方向中，它處於什麼位值。如果這些都不明白，就好比在茫茫的叢林裡面四處亂撞，就算能出去，也一定會走很多彎路。

對於軟體工程之類的東西，不象 C
語言有著嚴格的標准，最好的辦法就是兼收並蓄，能看的都看，然後(最重要的)在此之上形成自己的思想(不然就什麼都白看了)。
盡信書不如無書。書里寫的只不過是寫書的人認為正確的觀點而已。學習前人的知識和經驗，在此基礎上形成自己的知識結構、觀點和思維方式，才是學習的真正目的。
一。Mathematics (數學)

書名（英文）：Discrete Mathematics and Its Applications (Fifth Edition)
書名（中文）：離散數學及其應用 (第五版)
原作者：Kenneth H.Rosen

書名（英文）：Concrete Mathematics : A Foundation for Computer Science
(Second Edition)
書名（中文）：具體數學：計算機科學基礎 (第2版)
原作者：Ronald L. Graham / Donald E. Knuth / Oren Patashnik

二。Data Structures & Algorithms (數據結構、演算法)
書名（英文）：Data Structures and Algorithm Analysis in C, Second Edition
書名（中文）：數據結構與演算法分析--C語言描述 (第二版)
原作者：Mark Allen Weiss
大凡國外的數據結構教科書，都有一個共同的特點，就是他們的第一章都不是講的數據結構，而是軟體工程的基本原則。我個人認為這是十分必要的，特別是對於大
多數沒有接觸過程序設計的同學來說，在數據結構這個可以說是第一次接觸程序設計的課程中能學習到基本的軟體工程原則，對於以後的學習是十分有好處的。寫一
個亂七八糟的程序出來還不如什麼都不寫。在我看來，這本書有兩個優點：一：將軟體工程的基本原則貫穿全書，二：簡單，容易理解。對於初學者，這本書無疑是
非常合適的。mufasa

書名（英文）：Data Structures & Program Design In C (Second Edition)
書名（中文）：數據結構與程序設計 C 語言描述 (第二版)
原作者：Robert Kruse / C.L. Tondo / Bruce Leung

書名（英文）：Data Structures with C++ Using STL (Second Edition)
書名（中文）：數據結構C++語言描述描述—應用標准模版庫 (第二版)
原作者：William Ford, William Topp

書名（英文）：Introction to Algorithms (Second Edition)
書名（中文）：演算法導論 (第二版)
原作者：Thomas H. Cormen / Charles E. Leiserson / Ronald L. Rivest /
Clifford Stein

書名（英文）：The Art of Computer Programming, Volume 1 : Fundamental
Algorithms (Third Edition)
書名（中文）：計算機程序設計藝術 第1卷 基本演算法 (第3版)
原作者：Donald E. Knuth

書名（英文）：The Art of Computer Programming, Volume 2 : Seminumerical
Algorithms (Third Edition)
書名（中文）：計算機程序設計藝術 第2卷 半數值演算法 (第3版)
原作者：Donald E. Knuth

書名（英文）：The Art of Computer Programming, Volume 3 : Sorting and
Searching (Second Edition)
書名（中文）：計算機程序設計藝術 第3卷 排序和查找 (第2版)
原作者：Donald E. Knuth

三。Compiler (編譯原理)
書名（英文）：Compilers: Principles, Techniques, and Tools
書名（中文）：編譯原理、技術與工具
原作者：Alfred V. Aho / Ravi Sethi / Jeffrey D. Ullman

書名（英文）：Advanced Compiler Design and Implementation
書名（中文）：高級編譯器設計與實現
原作者：Steven S. Muchnic

書名（英文）：Modern Compiler Implementation in C
書名（中文）：現代編譯原理--C語言描述
原作者：Andrew W.Appel / Maia Ginsburg

四。Operating System (操作系統)
書名（英文）：Operating System Concepts (Sixth Edition)
書名（中文）：操作系統概念 (第六版)
原作者：Abraham Silberschatz / Peter Baer Galvin / Greg Gagne

書名（英文）：Operating Systems : Design and Implementation (Second
Edition)
書名（中文）：操作系統：設計及實現 (第二版)
原作者：Andrew S. Tanenbaum / Albert S. Woodhull
翻譯者：王鵬、尤晉元、朱鵬、敖青雲

書名（英文）：The Design and Implementation of the 4.4BSD Operating System
書名（中文）：4.4BSD操作系統設計與實現
原作者：Marshall Kirk McKusick / Keith Bostic / Michael J. Karels / John
S.Quarterman

書名（英文）：The Design and Implementation of the FreeBSD Operating System
書名（中文）：FreeBSD操作系統設計與實現
原作者：Marshall Kirk McKusick / George V. Neville-Neil
翻譯者：張輝

書名（英文）：The Design of The UNIX Operating System
書名（中文）：UNIX操作系統設計
原作者：Maurice J.Bach

書名（英文）：UNIX Internals : The New Frontiers
書名（中文）：UNIX系統內幕
原作者：Uresh Vahalia

書名（英文）：UNIX Systems for Modern Architectures
書名（中文）：現代體系結構上的UNIX系統--內核程序員的SMP和Caching技術
原作者：Curt Schimmel
翻譯者：張輝

書名（英文）：Lions' Commentary on UNIX 6th Edition with Source Code
書名（中文）：萊昂氏UNIX源代碼分析
原作者：John Lions

書名（英文）：Distributed Systems : Principles and Paradigms
書名（中文）：分布式系統：原理與範例
原作者：Andrew S.Tanenbaum / Maarten van Steen

五.Database (資料庫)

書名（英文）：An Introction to Database Systems, Eighth Edition
書名（中文）：資料庫系統導論 (第八版)
原作者：C. J.Date

書名（英文）：Database System Concepts, Fourth Edition
書名（中文）：資料庫系統概念 (第四版)
原作者：Abraham Silberschat / Henry F.Korth / S.Sudarshan

六。C (C 語
書名（英文）：The C Programming Language, Second Edition
書名（中文）：C程序設計語言，第二版
原作者：Brian W. Kernighan / Dennis Ritchie

書名（英文）：The Art and Science of C : A Library-Based Introction to
Computer Science
書名（中文）：C語言的科學和藝術
原作者：Eric S.Roberts

書名（英文）：Programming Abstractions in C : A Second Course in Computer
Science
書名（中文）：C程序設計的抽象思維
原作者：Eric S.Roberts

書名（英文）：Expert C Programming
書名（中文）：C專家編程
原作者：Andrew Koenig

書名（英文）：C Traps and Pitfalls
書名（中文）：C陷阱與缺陷
原作者：Andrew Koenig

七。C++ (C++ 語言)

書名（英文）：C++ Primer, Third Edition & Forth Edition
書名（中文）：C++ Primer (第三版、第四版)
原作者：Stanley B.Lippman / Josée LaJoie / Barbara E.Moo
翻譯者：李師賢、蔣愛軍、梅曉勇、林瑛

平心而論，這本書的第三版並不適合入門，但是第四版適合。所以第四版的出現並不意味著第三版就失去了其價值。在我看來最好的辦法就是買一本第四版的中文版和一本第三版的英文版。中文版用來入門，英文版用來作參考手冊。mufasa

書名（英文）：The C++ Programming Language, Special Edition
書名（中文）：C++ 程序設計語言 (特別版)
原作者：Bjarne Stroustrup

書名（英文）：Inside the C++ Object Model
書名（中文）：深度探索 C++ 對象模型
原作者：Stanley B. Lippman

書名（英文）：Effective C++, Thrid Edition
書名（中文）：Effective C++ (第三版)
原作者：Scott Meyers

書名（英文）：More Effective C++
書名（中文）：More Effective C++
原作者：Scott Meyers
翻譯者：侯捷

書名（英文）：Thinking in C++, Second Edition
書名（中文）：C++編程思想 (第二版)
原作者：Bruce Eckel

書名（英文）：Thinking in C++, Volume 2 : Practical Programming
書名（中文）：C++編程思想 第2卷：實用編程技術
原作者：Bruce Eckel / Chuck Alison

書名（英文）：Ruminations on C++ : A Decade of Programming Insight and
Experience
書名（中文）：C++沉思錄
原作者：Andrew Koenig / Barbara Moo

八。Object-Oriented (面向對象)
書名（英文）：Object-Oriented Analysis and Design with Applications, Second
Edition
書名（中文）：面向對象分析與設計 (第二版)
原作者：Grady Booch

書名（英文）：Object-Oriented Modeling and Design with UML，Second Edition
書名（中文）：UML面向對象建模與設計 (第二版)
原作者：Michael Blaha / James Rumbaugh
翻譯者：車皓陽、楊眉

書名（英文）：Object-Oriented Software Construction (Second Edition)
書名（中文）：面向對象軟體構造 (第二版)
原作者：Bertrand Meyer

書名（英文）：Design Patterns : Elements of Reusable Object-Oriented
Software
書名（中文）：設計模式：可復用面向對象軟體的基礎
原作者：Erich Gamma / Richard Helm / Ralph Johnson / John Vlissides

九。Software Engineering (軟體工程)
書名（英文）：Software Engineering (7th Edition)
書名（中文）：軟體工程 (第七版)
原作者：Ian Sommerville

書名（英文）：Software Engineering : A Practitioner's Approach (Fifth
Edition)
書名（中文）：軟體工程：實踐者之路 (第5版)
原作者：Roger S. Pressman

書名（英文）：Software Engineering : Theory and Practice (Second Edition)
書名（中文）：軟體工程：理論與實踐 (第二版)
原作者：Shari Lawrence Pfleeger

書名（英文）：The Mythical Man-Month
書名（中文）：人月神話
原作者：Frederick Phillips Brooks

書名（英文）：Software Architecture : Perspectives On an Emerging Emerging
Discipline
書名（中文）：軟體體系結構：一門初露端倪學科的展望
原作者：Mary Shaw / David Garlan

十。UNIX Programming (UNIX編程)

書名（英文）：Advanced Programming in the UNIX Environment, Second Edition
書名（中文）：UNIX 環境高級編程 (第二版)
原作者：W.Richard Stevens / Stephen A.Rago
翻譯者：尤晉元、張亞英、戚正偉

書名（英文）：The UNIX Programming Environment
書名（中文）：UNIX 編程環境
原作者：Brianw. Kernighan

書名（英文）：UNIX Network Programming, Volume 1 : The Sockets Networking
API (Third Edition)
書名（中文）：UNIX 網路編程 卷1：套接字聯網API (第三版)
原作者：W. Richard Stevens / Bill Fenner / Andrew M. Rudoff

書名（英文）：UNIX Network Programming Volume 2 : Interprocess
Communications (Second Edition)
書名（中文）：UNIX 網路編程 卷2：進程間通信 (第2版)
原作者：W. Richard Stevens

書名（英文）：The Art of UNIX Programming
書名（中文）：UNIX 程序設計藝術
原作者：Eric Raymond

UNIX Administration (UNIX系統管理)
書名（英文）：UNIX System Administration Handbook (Third Edition)
書名（中文）：UNIX系統管理技術手冊 (第三版)
原作者：Evi Nemeth / Garth Snyder

書名（英文）：linux Administration Handbook
書名（中文）：Linux系統管理技術手冊
原作者：Evi Nemeth / Garth Snyder / Trent R.Hein

書名（英文）：UNIX Unleashed (Fourth Edition)
書名（中文）：UNIX 技術內幕 (第四版)
原作者：Robin Anderson / Andy Johnston

書名（英文）：UNIX:The Textbook
書名（中文）：UNIX操作系統教程
原作者：Syed Mansoor Sarwar / Robert Koretsky / Syed Aqeel Sarwar

書名（英文）：Unix Backup & Recovery
書名（中文）：UNIX 備份與恢復
原作者：W.Curtis Preston

十一。Networks (網路)

書名（英文）：Computer Networks (Fourth Edition)
書名（中文）：計算機網路 (第4版)
原作者：Andrew S. Tanenbaum

書名（英文）：TCP/IP Illustrated, Volume 1 : The Protocols
書名（中文）：TCP/IP 詳解 卷1：協議
原作者：W. Richard Stevens

書名（英文）：TCP/IP Illustrated, Volume 2 : The Implementation
書名（中文）：TCP/IP詳解 卷2：實現
原作者：Gary R. Wright / W. Richard Stevens

書名（英文）：TCP/IP Illstrated, Volume 3 : TCP for Transactions, HTTP,
NNTP, and the UNIX Domain Protocols
書名（中文）：TCP/IP詳解 卷3：TCP事務協議、HTTP、NNTP和UNIX域協議
原作者：W. Richard Stevens

書名（英文）：Internetworking with TCP/IP Vol I : Principles, Protocols,
and Architecture (Third Edition)
書名（中文）：TCP/IP 網路互連技術 卷1：原理、協議和體系結構 (第3版)
原作者：Douglas E. Comer

書名（英文）：Internetworking with TCP/IP Vol II : Design, Implementation,
and Internals (Second Edition)
書名（中文）：TCP/IP 網路互連技術 卷2：設計與實現 (第2版)
原作者：Douglas E. Comer / David L. Stevens

書名（英文）：Internetworking with TCP/IP Vol III : Client-Server
Programming and Applications, BSD Socket Version (Second Edition)
書名（中文）：TCP/IP 網路互連技術 卷3：客戶伺服器編程和應用BSD套接字版 (第2版)
原作者：Douglas E. Comer / David L. Stevens

書名（英文）：Internetworking with TCP/IP Vol III : Client-Server
Programming and Applications, Windows Sockets Version
書名（中文）：TCP/IP 網路互連技術 卷3：客戶伺服器編程和應用Windows套接字版
原作者：Douglas E. Comer / David L. Stevens

十二。Windows Programming (Windows 編程)
書名（英文）：Inside Microsoft Windows 2000 (Third Edition)
書名（中文）：Microsoft Windows 2000 技術內幕 (第3版)
原作者：David A.solomon Mark E.Russinovich

書名（英文）：Programming Windows (Fifth Edition)
書名（中文）：Windows 編程 (第5版)
原作者：Charles Petzold

書名（英文）：Programming Applications for Microsoft Windows
書名（中文）：Microsoft Windows 應用程序設計
原作者：Jeffrey Richter

書名（英文）：Programming with Microsoft Visual C++ .NET (Sixth Edition)
書名（中文）：Visual C++.NET 技術內幕 (第6版)
原作者：George Shepherd / David Kruglinski

書名（英文）：Dissecting MFC
書名（中文）：深入淺出MFC
原作者：侯捷

十三。Other (其它)
書名（英文）：Computer Systems : A programmer' s Perspective
書名（中文）：計算機系統
原作者：Randal E. Bryant / David R. O'Hallaron

書名（英文）：Pattern Classification (Second Edition)
書名（中文）：模式分類 (第2版)
原作者：Richard O. Duda / Peter E. Hart / David G. Stork

書名（英文）：Code Complete 2
書名（中文）：代碼大全第2版
原作者： Steve McConnell

書名（英文）：Programming Pearls (2nd Edition)
書名（中文）：編程珠璣第2版
原作者： Jon Bentley
別人給我推薦的，我只看過一兩本。

2. 演算法工程師一般是學什麼出身的

ACMer

3. 深度學習系列（四）：什麼是稀疏編碼

現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術在將來無疑是前景無限的。那麼深度學習本質上又是一種什麼樣的技術呢？ 深度學習是什麼 深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麼這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習演算法類比為排序演算法，那麼深度學習演算法便是眾多排序演算法當中的一種（例如冒泡排序），這種演算法在某些應用場景中，會具有一定的優勢。 深度學習的「深度」體現在哪裡 論及深度學習中的「深度」一詞，人們從感性上可能會認為，深度學習相對於傳統的機器學習演算法，能夠做更多的事情，是一種更為「高深」的演算法。而事實可能並非我們想像的那樣，因為從演算法輸入輸出的角度考慮，深度學習演算法與傳統的有監督機器學習演算法的輸入輸出都是類似的，無論是最簡單的Logistic Regression，還是到後來的SVM、boosting等演算法，它們能夠做的事情都是類似的。正如無論使用什麼樣的排序演算法，它們的輸入和預期的輸出都是類似的，區別在於各種演算法在不同環境下的性能不同。 那麼深度學習的「深度」本質上又指的是什麼呢？深度學習的學名又叫深層神經中國絡（Deep Neural Networks ），是從很久以前的人工神經中國絡（Artificial Neural Networks）模型發展而來。這種模型一般採用計算機科學中的圖模型來直觀的表達，而深度學習的「深度」便指的是圖模型的層數以及每一層的節點數量，相對於之前的神經中國絡而言，有了很大程度的提升。 深度學習也有許多種不同的實現形式，根據解決問題、應用領域甚至論文作者取名創意的不同，它也有不同的名字：例如卷積神經中國絡（Convolutional Neural Networks）、深度置信中國絡（Deep Belief Networks）、受限玻爾茲曼機（Restricted Boltzmann Machines）、深度玻爾茲曼機（Deep Boltzmann Machines）、遞歸自動編碼器（Recursive Autoencoders）、深度表達（Deep Representation）等等。不過究其本質來講，都是類似的深度神經中國絡模型。 既然深度學習這樣一種神經中國絡模型在以前就出現過了，為什麼在經歷過一次沒落之後，到現在又重新進入人們的視線當中了呢？這是因為在十幾年前的硬體條件下，對高層次多節點神經中國絡的建模，時間復雜度（可能以年為單位）幾乎是無法接受的。在很多應用當中，實際用到的是一些深度較淺的中國絡，雖然這種模型在這些應用當中，取得了非常好的效果（甚至是the state of art），但由於這種時間上的不可接受性，限制了其在實際應用的推廣。而到了現在，計算機硬體的水平與之前已經不能同日而語，因此神經中國絡這樣一種模型便又進入了人們的視線當中。 「 2012年6月，《紐約時報》披露了Google Brain項目，吸引了公眾的廣泛關注。這個項目是由著名的斯坦福大學機器學習教授Andrew Ng和在大規模計算機系統方面的世界頂尖專家Jeff Dean共同主導，用16000個CPU Core的並行計算平台訓練一種稱為「深層神經中國絡」（DNN，Deep Neural Networks） 」 從Google Brain這個項目中我們可以看到，神經中國絡這種模型對於計算量的要求是極其巨大的，為了保證演算法實時性，需要使用大量的CPU來進行並行計算。 當然，深度學習現在備受關注的另外一個原因，當然是因為在某些場景下，這種演算法模式識別的精度，超過了絕大多數目前已有的演算法。而在最近，深度學習的提出者修改了其實現代碼的Bug之後，這種模型識別精度又有了很大的提升。這些因素共同引起了深層神經中國絡模型，或者說深度學習這樣一個概念的新的熱潮。 深度學習的優點 為了進行某種模式的識別，通常的做法首先是以某種方式，提取這個模式中的特徵。這個特徵的提取方式有時候是人工設計或指定的，有時候是在給定相對較多數據的前提下，由計算機自己總結出來的。深度學習提出了一種讓計算機自動學習出模式特徵的方法，並將特徵學習融入到了建立模型的過程中，從而減少了人為設計特徵造成的不完備性。而目前以深度學習為核心的某些機器學習應用，在滿足特定條件的應用場景下，已經達到了超越現有演算法的識別或分類性能。 深度學習的缺點 深度學習雖然能夠自動的學習模式的特徵，並可以達到很好的識別精度，但這種演算法工作的前提是，使用者能夠提供「相當大」量級的數據。也就是說在只能提供有限數據量的應用場景下，深度學習演算法便不能夠對數據的規律進行無偏差的估計了，因此在識別效果上可能不如一些已有的簡單演算法。另外，由於深度學習中，圖模型的復雜化導致了這個演算法的時間復雜度中國劇提升，為了保證演算法的實時性，需要更高的並行編程技巧以及更好更多的硬體支持。所以，目前也只有一些經濟實力比較強大的科研機構或企業，才能夠用深度學習演算法，來做一些比較前沿而又實用的應用。 本回答由科學教育分類達人 張雪推薦

4. 《演算法導論（原書第2版）》pdf下載在線閱讀，求百度網盤雲資源

《演算法導論（原書第2版）》（[美] Thomas H.Cormen）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/1fH3Yg9FLAppoeaKrmc639A

書名：演算法導論（原書第2版）

作者：[美] Thomas H.Cormen

譯者：潘金貴 等

豆瓣評分：9.3

出版社：機械工業出版社

出版年份：2006-9

頁數：754

內容簡介：

這本書深入淺出，全面地介紹了計算機演算法。對每一個演算法的分析既易於理解又十分有趣，並保持了數學嚴謹性。本書的設計目標全面，適用於多種用途。涵蓋的內容有：演算法在計算中的作用，概率分析和隨機演算法的介紹。書中專門討論了線性規劃，介紹了動態規劃的兩個應用，隨機化和線性規劃技術的近似演算法等，還有有關遞歸求解、快速排序中用到的劃分方法與期望線性時間順序統計演算法，以及對貪心演算法元素的討論。此書還介紹了對強連通子圖演算法正確性的證明，對哈密頓迴路和子集求和問題的NP完全性的證明等內容。全書提供了900多個練習題和思考題以及敘述較為詳細的實例研究。

作者簡介：

Thomas H.Cormen

達特茅斯學院計算機科學系副教授

Charles E.Leiserson

麻省理工學院計算機科學與電氣工程系教授

Ronald L.Rivest

麻省理工學院計算機科學系Andrew與Erna Viterbi具名教授

Clifford Stein

哥倫比亞大學工業工程與運籌學副教授

5. 沒有近似最近鄰演算法，還怎麼用深度學習來做推薦和搜索

現在深度學習在機器學習領域是一個很熱的概念，不過經過各種媒體的轉載播報，這個概念也逐漸變得有些神話的感覺：例如，人們可能認為，深度學習是一種能夠模擬出人腦的神經結構的機器學習方式，從而能夠讓計算機具有人一樣的智慧；而這樣一種技術在將來無疑是前景無限的。那麼深度學習本質上又是一種什麼樣的技術呢？
深度學習是什麼
深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麼這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習演算法類比為排序演算法，那麼深度學習演算法便是眾多排序演算法當中的一種（例如冒泡排序），這種演算法在某些應用場景中，會具有一定的優勢。
深度學習的「深度」體現在哪裡
論及深度學習中的「深度」一詞，人們從感性上可能會認為，深度學習相對於傳統的機器學習演算法，能夠做更多的事情，是一種更為「高深」的演算法。而事實可能並非我們想像的那樣，因為從演算法輸入輸出的角度考慮，深度學習演算法與傳統的有監督機器學習演算法的輸入輸出都是類似的，無論是最簡單的Logistic Regression，還是到後來的SVM、boosting等演算法，它們能夠做的事情都是類似的。正如無論使用什麼樣的排序演算法，它們的輸入和預期的輸出都是類似的，區別在於各種演算法在不同環境下的性能不同。
那麼深度學習的「深度」本質上又指的是什麼呢？深度學習的學名又叫深層神經網路（Deep Neural Networks ），是從很久以前的人工神經網路（Artificial Neural Networks）模型發展而來。這種模型一般採用計算機科學中的圖模型來直觀的表達，而深度學習的「深度」便指的是圖模型的層數以及每一層的節點數量，相對於之前的神經網路而言，有了很大程度的提升。
深度學習也有許多種不同的實現形式，根據解決問題、應用領域甚至論文作者取名創意的不同，它也有不同的名字：例如卷積神經網路（Convolutional Neural Networks）、深度置信網路（Deep Belief Networks）、受限玻爾茲曼機（Restricted Boltzmann Machines）、深度玻爾茲曼機（Deep Boltzmann Machines）、遞歸自動編碼器（Recursive Autoencoders）、深度表達（Deep Representation）等等。不過究其本質來講，都是類似的深度神經網路模型。
既然深度學習這樣一種神經網路模型在以前就出現過了，為什麼在經歷過一次沒落之後，到現在又重新進入人們的視線當中了呢？這是因為在十幾年前的硬體條件下，對高層次多節點神經網路的建模，時間復雜度（可能以年為單位）幾乎是無法接受的。在很多應用當中，實際用到的是一些深度較淺的網路，雖然這種模型在這些應用當中，取得了非常好的效果（甚至是the state of art），但由於這種時間上的不可接受性，限制了其在實際應用的推廣。而到了現在，計算機硬體的水平與之前已經不能同日而語，因此神經網路這樣一種模型便又進入了人們的視線當中。
「 2012年6月，《紐約時報》披露了Google Brain項目，吸引了公眾的廣泛關注。這個項目是由著名的斯坦福大學機器學習教授Andrew Ng和在大規模計算機系統方面的世界頂尖專家Jeff Dean共同主導，用16000個CPU Core的並行計算訓練一種稱為「深層神經網路」（DNN，Deep Neural Networks） 」
從Google Brain這個項目中我們可以看到，神經網路這種模型對於計算量的要求是極其巨大的，為了保證演算法實時性，需要使用大量的CPU來進行並行計算。
當然，深度學習現在備受關注的另外一個原因，當然是因為在某些場景下，這種演算法模式識別的精度，超過了絕大多數目前已有的演算法。而在最近，深度學習的提出者修改了其實現代碼的Bug之後，這種模型識別精度又有了很大的提升。這些因素共同引起了深層神經網路模型，或者說深度學習這樣一個概念的新的熱潮。
深度學習的優點
為了進行某種模式的識別，通常的做法首先是以某種方式，提取這個模式中的特徵。這個特徵的提取方式有時候是人工設計或指定的，有時候是在給定相對較多數據的前提下，由計算機自己總結出來的。深度學習提出了一種讓計算機自動學習出模式特徵的方法，並將特徵學習融入到了建立模型的過程中，從而減少了人為設計特徵造成的不完備性。而目前以深度學習為核心的某些機器學習應用，在滿足特定條件的應用場景下，已經達到了超越現有演算法的識別或分類性能。
深度學習的缺點
深度學習雖然能夠自動的學習模式的特徵，並可以達到很好的識別精度，但這種演算法工作的前提是，使用者能夠提供「相當大」量級的數據。也就是說在只能提供有限數據量的應用場景下，深度學習演算法便不能夠對數據的規律進行無偏差的估計了，因此在識別效果上可能不如一些已有的簡單演算法。另外，由於深度學習中，圖模型的復雜化導致了這個演算法的時間復雜度急劇提升，為了保證演算法的實時性，需要更高的並行編程技巧以及更好更多的硬體支持。所以，目前也只有一些經濟實力比較強大的科研或，才能夠用深度學習演算法，來做一些比較前沿而又實用的應用。

6. ICP演算法的迭代就近點演算法

在20世紀80年代中期，很多學者開始對點集數據的配准進行了大量研究。1987年，Horn[1]、Arun[2]等人用四元數法提出點集對點集配准方法。這種點集與點集坐標系匹配演算法通過實踐證明是一個解決復雜配准問題的關鍵方法。1992年，計算機視覺研究者Besl和Mckay[3]介紹了一種高層次的基於自由形態曲面的配准方法，也稱為迭代就近點法ICP（Iterative Closest Point）。以點集對點集（PSTPS）配准方法為基礎，他們闡述了一種曲面擬合演算法，該演算法是基於四元數的點集到點集配准方法。從測量點集中確定其對應的就近點點集後，運用Faugera和Hebert提出的方法計算新的就近點點集。用該方法進行迭代計算，直到殘差平方和所構成的目標函數值不變，結束迭代過程。ICP配准法主要用於解決基於自由形態曲面的配准問題。
迭代就近點法ICP就近點法經過十幾年的發展，不斷地得到了完善和補充。Chen和Medioni[4]及Bergevin等人[5]提出了point-to-plane搜索就近點的精確配准方法。Rusinkiewicz和Levoy提出了point-to-p rojection搜索就近點的快速配准方法。Soon-Yong和Murali提出了Contractive-projection-point搜索就近點的配准方法。此外，Andrew和Sing[6]提取了基於彩色三維掃描數據點紋理信息的數據配准方法，主要在ICP演算法中考慮三維掃描點的紋理色彩信息進行搜索就近點。Natasha等人[7]分析了ICP演算法中的點雲數據配准質量問題。
基本原理
三維空間R3存在兩組含有n個坐標點的點集，分別為： PL和PR。三維空間點集PL中各點經過三維空間變換後與點集PR中點一一對應，其單點變換關系式為：
(0-1)
上式中，R為三維旋轉矩陣，t為平移向量。
在ICP配准方法中，空間變換參數向量X可表示為[9] 。參數向量中四元數參數滿足約束條件為：
(0-2)
根據迭代的初值X0，由式(0-1)計算新點集Pi為：
(0-3)
式中，P表示原始未修改過的點集，Pi的下標i表示迭代次數，參數向量X的初始值X0為 。
根據以上數據處理方法，ICP配准演算法可以概括為以下七個步驟：
1） 根據點集Plk中的點坐標，在曲面S上搜索相應就近點點集Prk；
2） 計算兩個點集的重心位置坐標，並進行點集中心化生成新的點集；
3） 由新的點集計算正定矩陣N，並計算N的最大特徵值及其最大特徵向量；
4） 由於最大特徵向量等價於殘差平方和最小時的旋轉四元數，將四元數轉換為旋轉矩陣R；
5） 在旋轉矩陣R被確定後，由平移向量t僅僅是兩個點集的重心差異，可以通過兩個坐標系中的重心點和旋轉矩陣確定；
6） 根據式(0-3)，由點集Plk計算旋轉後的點集P』lk。通過Plk與P』lk計算距離平方和值為fk+1。以連續兩次距離平方和之差絕對值 作為迭代判斷數值；
7） 當 時，ICP配准演算法就停止迭代，否則重復1至6步，直到滿足條件 後停止迭代。

7. 代碼之美的作者簡介

John Bentley是美國Avaya實驗室的一位計算機科學家。他的研究領域包括編程技術、演算法設計以及軟體工具與界面設計。他已編寫了數本關於編程的書籍， 還撰寫了大量的文章，主題涉及從演算法理論到軟體工程的各個方向。他於1974年在斯坦福大學獲得學士學位，並於1974年獲得碩士學位以及於1976年在 北卡羅來納大學獲得博士學位，隨後在卡耐基-梅隆大學任教6年，教授計算機科學。1982年他加入貝爾實驗室，並於2001年離開貝爾實驗室並加入 Avaya實驗室。他曾是西點軍校和普林斯頓大學的訪問教授、曾經參與開發過軟體工具、電話交換機、電話以及網路服務。
Tim Bray於1987-1989年間在加拿大的安大略省滑鐵盧大學負責牛津英語詞典項目，1989年與他人聯合創建了Open Text公司，在1995年啟動了最早的公共網頁搜索引擎之一，在1996至1999年間與他人共同發明了XML 1.0並合作編寫了
《Namespaces in XML》規范，在1999年他創建了Antarctica Systems公司，並於2002-2004年被Tim Berners-Lee任命在W3C技術架構組中工作。目前，他在Sun Microsystems公司Web Technologies部門任主管，他有一個很受歡迎的博客，並且參與主持IETF AtomPub工作組。
Bryan Cantrill是Sun Microsystems公司的一位傑出的工程師，在他的職業生涯中主要從事Solaris內核的開發。最近他與同事Mike Shapiro和Adam Leventhal一起設計並實現了DTrace，這是一個用於產品系統動態控制的工具，獲得了《華爾街日報》2006年度的最高創新獎。
Douglas Crockford畢業於公立學校。他是一位登記選民，擁有自己的汽車。他曾開發過辦公自動化系統。他曾在Atari公司從事過游戲和音樂研究。他曾是 Lucasfilm有限公司技術部門的主管，以及Paramount公司New Media部門的主管。他創建了Electric Communities公司並且擔任CEO。他還是State 軟體公司的創建者和CTO，正是在這個公司中他發明了JSON數據格式。他現在是Yahoo!公司的一位架構師。
Rogerio Atem de Carvalho是巴西校園技術教育聯合中心（Federal Center for Technological Ecation of Campos，CEFET Campos）的一位教師兼研究人員。他在奧地利的維也納獲得了2006年度IFIP傑出學術領導獎（Distinguished Academic Leadership Award），以表彰他在免費/開源企業資源計劃（ERP）上所做的研究工作。他的研究領域還包括決策支持系統和軟體工程。
Jeff Dean於1999年加入Google，目前是Google系統架構小組的成員。他在Google主要負責開發Google的網頁抓取、索引、查詢服務以 及廣告系統等，他對搜索質量實現了多次改進，並實現了Google分布式計算架構的多個部分。在加入Google之前，他工作於DEC/Compaq的 Western實驗室，主要從事軟體分析工具、微處理器架構以及信息檢索等方面的研究。他於1996年在華盛頓大學獲得了博士學位，與Craig Chambers一起從事面向對象語言的編譯器優化技術方面的研究。在畢業之前，他還在世界衛生組織的艾滋病全球規劃署工作過。
Jack Dongarra於1972年在芝加哥大學獲得數學學士學位，並於1973年在伊利諾理工大學獲得計算機科學碩士學位，又於1980年在新墨西哥大學獲得 應用數學博士學位。他在美國阿貢國家實驗室（Argonne National Laboratory）一直工作到1989年，並成為了一名著名科學家。他現在被任命為田納西大學計算機科學系的計算機科學傑出教授。他是美國橡樹嶺國家 實驗室（Oak Ridge National Laboratory ，ORNL）計算機科學與數學部的傑出的研究人員，曼徹斯特大學計算機科學與數學學院的Turing Fellow，美國萊斯大學計算機科學系的副教授。他的研究領域包括線性代數中的數值演算法，並行計算，高級計算機架構的應用，程序設計方法學以及用於並行 計算機的工具。他的研究工作包括開發、測試高質量的數學軟體以及整理相關文檔。他在以下開源軟體包和系統的設計及實現上做出了貢獻：ISPACK, LINPACK, the BLAS, LAPACK, ScaLAPACK, Netlib, PVM, MPI, NetSolve, Top500, ATLAS, 和 PAPI。他公開發表了大約200篇文章、論文、報告以及技術備忘錄，還參與編寫了數本著作。他於2004年獲得了IEEE Sid Fernbach獎，以表彰他在高性能計算機的應用中使用了創新的方法。他不僅是AAAS，ACM和IEEE的成員，還是美國工程院的院士。
R. Kent Dybvig是印第安納大學計算機科學系的一位教授。在印第安納大學任教兩年之後，他於1987年在北卡羅來納大學獲得了博士學位。他在設計和實現編程語 言的研究上做出了重要的貢獻，包括控制運算符、句法抽象、程序分析、編譯器優化、寄存器分配、多線程以及自動存儲管理等。在1984年，他創建了Chez Scheme軟體並一直是主要的開發人員。Chez Scheme的特點在於快速的編譯時間、可靠性以及能夠高效地運行內存需求巨大的復雜程序，它已經被用於構建企業集成、網頁服務、虛擬現實、機器人葯品抽 檢、電路設計以及其他的商業系統。它還可以用於各種層次的計算機教育以及許多其他領域中的研究。Dybvig是《The Scheme Programming Language, Third Edition》(MIT Press出版社)一書的作者，以及即將發布的「Revised6 Report on Scheme」文檔的編輯。
Michael Feathers是Object Mentor 公司的顧問。在過去七年間，他一直活躍於Agile社群，他的工作主要是與世界各地不同的團隊合作，培訓以及指導。在加入Object Mentor公司之前，Michael設計過一種編程語言，並為這種語言寫了一個編譯器。他還設計了一個龐大的多平台類庫以及用於控制的框架。 Michael開發了CppUnit，也就是最初把JUnit移植到C++；以及FitCpp，也就是把FIT移植到C++。在2005年， Michael編寫了《Working Effectively with Legacy Code》（Prentice Hall出版社）一書。在與各個團隊合作的間隙，他的大多數時間都花在研究大型代碼庫中的設計修改方式方面。
1995年，Karl Fogel和Jim Blandy一起創建了Cyclic軟體公司，這是第一個提供商業CVS支持的公司。1997年，Karl增加了對CVS匿名只讀存儲倉庫訪問的支持，這 樣就可以更方便地訪問開源項目中的開發代碼。1999年，他工作於CollabNet公司，主要從事管理Subversion的創建和開發工作，這是 CollabNet公司和一群開源志願者們從頭開始編寫的開源版本控制系統。2005年，他編寫了《Procing Open Source Software: How to Run a Successful Free Software Project 》(O'Reilly出版社;在http://procingoss.com上有聯機版本) 一書。2006年，他在Google擔任了短期的開源技術專家之後離開Google並成為了Question-Copyright.org網站的全職編 輯。他目前仍然參與了多個開源項目，包括Subversion和GNU Emacs。
Sanjay Ghemawat是一位Google Fellow，工作於Google的系統架構小組。他設計並實現了分布式的存儲系統，文本索引系統，性能分析工具，一種數據表示語言，一個RPC系統，一 個malloc函數實現以及許多其他的庫。在加入Google之前，他是DEC系統研究中心的一位研究人員，主要從事系統性能分析和優化Java編譯器的 工作，他還實現了一個Java虛擬機。他於1995年在麻省理工大學獲得博士學位，研究領域為面向對象資料庫的實現。
Ashish Gulhati是互聯網隱私服務Neomailbox的首席開發員，以及Cryptonite的開發員，這是一個支持OpenPGP協議的安全網頁郵件系 統。他有著15年的商業軟體開發經驗，是印度最早的數字版權活動家之一和F/OSS程序員，他編寫了大量的開源Perl模塊，這些模塊可以從CPAN上下 載。在1993～1994年間，他在《PC Quest》和《DataQuest》等雜志上發表了大量文章，這是在印度主流計算機刊物中最早向讀者介紹自由軟體，GNU/ Linux，Web和Internet的文章，在這些文章發表多年以後，印度才擁有了商業的互聯網訪問，這些文章還構成了PC Quest Linux Initiative活動的重要組成部分，這個活動促使自1995年以來，在印度分發了一百萬份Linux光碟。在獲得了一組可穿戴的計算機後，他很快地 成為了一個電子人。
Elliotte Rusty Harold是新奧爾良人，他會定期返回新奧爾良去吃一大碗海鮮干波湯(Gumbo)。不過，他目前住在布魯克林附近的Prospect Heights，和他生活在一起還有他的妻子Beth，狗Shayna，和兩只貓Charm（以誇克命名）和Marjorie（以他的岳母命名）。他是紐 約科技大學的一位副教授，主要講授Java、XML以及面向對象編程。他的Cafe au Lait網站是互聯網上最流行的獨立Java網站之一；他的另一個網站Cafe con Leche 則成為了最流行XML站點之一。他編寫的書籍包括《Java I/O》，《Java Network Programming》和《XML in a Nutshell》（這三本書都由O'Reilly出版社出版），以及XML Bible (Wiley出版社)。他目前的研究領域包括用Java來處理XML的XOM庫、Jaxen XPath引擎以及Amateur媒體播放器。
Brian Hayes為《American Scientist》雜志編寫計算機專欄，他還擁有一個博客。過去，他還為《Scientific American》、《Computer Language》、 以及《The Sciences》等雜志編寫過類似的專欄。他編寫的《Infrastructure: A Field Guide to the Instrial Landscape》(Norton出版社)一書於2005年發行。
Simon Peyton Jones，碩士，於1980年畢業於劍橋大學三一學院。在工作兩年後，他在倫敦大學學院擔任了7年的講師，然後在格拉斯哥大學擔任了9年的教授，後來於 1998年加入微軟研究中心。他的研究領域包括函數式編程語言及其實現和應用。他領導了一系列的研究項目，主要研究用於單處理器機器和並行機的高質量函數 式語言系統的設計和實現。他是函數式語言Haskell的主要設計者，此外他還是被廣泛應用的Glasgow Haskell編譯器（GHC）首席設計師。他還編寫了兩本關於函數式語言實現的教科書。
Jim Kent是加利福尼亞大學聖克魯茲分校基因信息小組（Genome Bioinformatics Group）的一位研究學家。Jim從1983年起就開始編程。在職業生涯的前半段，他主要從事繪畫和動畫軟體的開發，他開發了Aegis Animator、 Cyber Paint以及 Autodesk Animator等獲獎軟體。1996年，由於厭倦了基於Windows API的開發工作，他決定在生物學上追求他的興趣，並於2002年獲得了博士學位。在研究生期間，他編寫GigAssembler——這個程序計算出了第 一批人類基因組——比Celera公司發布的第一批基因組提前了一天，從而使得這批基因組成為免費的專利並且避免了其他的法律問題。Jim發表了40餘篇 科學論文。他目前的研究工作主要是編寫程序，資料庫和網站以幫助科學家分析和了解基因組。
Brian Kernighan於1964年在多倫多大學獲得學士學位，並於1969年在普林斯頓大學獲得電子工程博士學位。他在貝爾實驗室的計算科學研究中心一直工 作到2000年，目前就職於普林斯頓大學的計算機科學系。他編寫了8本著作以及大量的技術論文，並擁有4項專利。他的研究領域包括編程語言、工具、為非專 業用戶設計易用的計算機操作界面等。他還致力於非技術讀者的技術教育工作。
Adam Kolawa是Parasoft公司的創建者之一和CEO，這家公司是自動錯誤預防（Automated Error Prevention ，AEP）解決方案的領先提供商。Kolawa有著多年在各種軟體開發流程中的經驗，這使得他對高科技企業有著獨特的視野，以及成功辨識技術潮流的非凡能 力。因此，他策劃了幾個成功商業軟體產品的開發過程來滿足在提高軟體質量中不斷增長的工業需求——經常在這種潮流被廣泛接受之前。Kolawa參與編寫了 《Bulletproofing Web Applications》(Hungry Minds出版社)一書，他還撰寫了100餘篇評論和技術文章，發表在《The Wall Street Journal》、《CIO》、《Computerworld》、《Dr. Dobb's Journal》以及《IEEE Computer》等期刊上。此外，他還撰寫了大量關於物理學和並行處理方面的科學論文。他現在的簽約媒體包括CNN、 CNBC、 BBC和NPR。Kolawa擁有加利福尼亞理工大學理論物理博士學位，並擁有10項專利發明。2001年，Kolawa獲得了軟體類別的Los Angeles Ernst & Young's Entrepreneur of the Year獎項。
Greg Kroah-Hartman是目前Linux內核的維護人員，負責多個驅動程序子系統以及驅動程序內核、sysfs、 kobject、 kref和debugfs等代碼。他還為啟動linux-hotplug 和 udev等項目提供了幫助，是內核穩定維護團隊中的重要人員。他編寫了《Linux Kernel in a Nutshell》(O'Reilly出版社)，並參與編寫了《Linux Device Drivers, Third Edition》(O'Reilly出版社)。
Andrew Kuchling有著11年的軟體工程師經驗，他是Python開發群體中的長期成員。他的一些與Python相關的工作包括編寫和維護數個標準的庫模 塊，編寫一系列的「What's new in Python 2.x」文章以及其他一些文檔，策劃了2006年和2007年的PyCon會議，並是Python軟體基金會的主管。Andrew於1995年畢業於麥吉 爾大學並獲得計算機科學學士學位。他的個人網頁是http://www.amk.ca。
Piotr Luszczek畢業於波蘭克拉科夫礦業與冶金大學，並獲得碩士學位，他的研究領域是並行的核外（out-of-core）庫。他將稠密矩陣計算核應用於 稀疏矩陣直接求解演算法和迭代數值線性幾何演算法中的創新研究使他獲得了博士學位。他把這種思想用來開發使用核外技術容錯庫。目前，他是田納西大學諾克斯維爾 分校的一位研究教授。他的研究工作包括大型超級計算機安裝的標准化評價。他開發了一個自適應的軟體庫，能夠自動選擇最優的演算法來有效地利用現有硬體以及有 選擇地處理輸入數據。他還感興趣於高性能編程語言的設計和實現。
Ronald Mak是高級計算機科學研究所（Research Institute for Advanced Computer Science）的一位資深科學家，在NASA Ames研究中心工作時，他是協同信息系統（Collaborative Information Portal，CIP）的架構師和首席開發人員。在漫步者登錄火星之後，他分別在JPL和Ames對探測任務提供支持。然後，他獲得了加利福尼亞大學聖克 魯茲分校的學術任命，並且他再次與NASA簽約，這次的工作是設計幫助宇航員返回月球的企業軟體。Ron是Willard & Lowe Systems公司的創建人之一和CTO，這是一個針對企業信息管理系統的咨詢公司。他編寫了 數本關於計算機軟體的書籍，他在斯坦福大學分別獲得了數學科學學位和計算機科學學位。
Yukihiro Matz Matsumoto是一位程序員，他是一位日本籍的開源倡導者，他發明了最近非常流行的Ruby語言。他從1993年開始研發Ruby，這和Java語言 一樣久遠。現在他工作於日本Network Applied Communication Laboratory（NaCl，網址為netlab.jp）公司，該公司從1997年起開始贊助Ruby的開發。因為他的真實姓名太長而難以記住，並且 對於非日本的演講者來說難以發音，因此在網上他使用了昵稱Matz。
Arun Mehta是一位電子工程師和計算機科學家，他曾在印度、美國和德國進行過研究和教學工作。他是印度早期計算機活動家，他努力實現了一些方便消費者 （consumer-friendly）的政策，以幫助把現代通信延伸到偏遠地區和貧困地區。他目前的研究領域包括農村無限通信以及幫助殘疾用戶的技術。 他是印度哈里亞納邦Radaur地區JMIT大學計算機工程系的教授和主任。
Rafael Manhaes Monnerat是CEFET CAMPOS的一位IT分析家，以及Nexedi SARL的海外顧問。他的研究領域包括免費/開源系統、ERP以及最新的編程語言。
Travis E. Oliphant於1995年在美國楊百翰大學獲得電子與計算機工程學士學位和數學學士學位，並於1996年在本校獲得電子與計算機工程碩士學位。他於 2001年在明尼蘇達羅切斯特的梅奧研究生院獲得了生物醫學工程博士學位。他是Python語言中科學計算庫SciPy和NumPy的主要編寫者。他的研 究領域包括顯微阻抗成像，異構領域中的MRI重構以及生物醫學逆問題。他目前是楊百翰大學電子與計算機工程的副教授。
Andy Oram是O'Reilly Media的編輯。他從1992年開始就在這家公司工作，Andy目前主要關注自由軟體和開源技術。他在O'Reilly的工作成果包括第一批Linux 系列叢書以及2001年的P2P系列叢書。他的編程技術和系統管理技術大多都是自學的。Andy還是Computer Professionals for Social Responsibility協會的成員並且經常在O'Reilly Network(http://oreillynet.com)和其他一些刊物上撰寫文章，這些文章的主題包括互聯網上的政策問題，以及影響技術創新的潮 流及其對社會的影響。
William R. Otte是田納西范德堡大學電子工程與計算機系（EECS）的一位博士研究生。他的研究領域是分布式實時嵌入（DRE）系統的中間件，目前從事CORBA 組件的部署和配置引擎（DAnCE）開發工作。這個工作主要研究運行時規劃技術，基於組件的應用程序的適應性，以及對應用程序服務質量和容錯需求的規范與 實施。在攻讀研究生之前，William於2005年在范德堡大學計算機系畢業並獲得學士學位，之後在軟體集成系統學院（ISIS）工作了一年。
Andrew Patzer是威斯康星大學醫學院生物信息系的主管。過去15年Andrew是一位軟體開發人員並且編寫了許多文章和書籍，包括 《Professional Java Server Programming》（Peer Information公司）和《JSP Examples and Best Practices》(Apress出版社)。Andrew目前的研究領域為生物信息領域，利用像Groovy這樣的動態語言來發掘大量有效的生物數據並 幫助科學研究人員進行分析。
Charles Petzold是一位自由作家，主要研究領域為Windows應用程序編程。他是《Programming Windows》(Microsoft Press出版社)的作者， 1988年至1999年之間共出版了五版，教育了整整一代程序員的Windows API編程技術。他最新的書籍包括《Applications = Code + Markup: A Guide to the Microsoft Windows Presentation Foundation》(Microsoft Press出版社)，以及《Code: The Hidden Language of Computer Hardware and Software》(Microsoft Press出版社)，在這本書中他對數字技術進行了獨特的研究。
T. V. Raman的研究領域包括網頁技術和聽覺用戶界面。在20世紀90年代初，在他的博士論文中介紹了音頻格式的概念，叫作AsTeR：Audio System For Technical Readings（技術讀物語音系統），這是一個為技術文檔生成高質量聽覺表示的系統。Emacspeak則將這些思想應用到更廣泛的計算機用戶界面領 域。Raman現在是Google的一位研究人員，主要研究Web應用程序。
Alberto Savoia是Agitar軟體公司的創建人之一和CTO。在創建Agitar之前，他是Google的高級工程主管；在這之前，他還是Sun Microsystems實驗室軟體研究中心的主管。Alberto的主要研究領域是軟體開發技術——尤其是那些幫助程序員在設計和開發階段進行測試和代 碼驗證的工具和技術。
Douglas C. Schmidt是田納西范德堡大學電子工程與計算機（EECS）系的一位教授，計算機科學與工程系的副主任，以及軟體集成系統學院（ISIS）的高級研究 人員。他是分布式計算模式和中間件框架方面的專家，並且已經發表了超過350篇的技術論文和9本書籍，內容涉及的主題很廣，包括高性能通信軟體系統，高速 網路協議並行處理，實時分布式對象計算，並發與分布式系統的面向對象模式，以及模型驅動的開發工具。在他的學術研究之外，Dr. Schmidt還是PrismTechnologies公司的CTO，並且在領導開發應用廣泛開源的中間件平台上有著15年的經驗，在這些平台上包含了豐 富的組件以及實現高性能分布式系統中核心模式的領域特定語言。Dr. Schmidt於1994年於加利福尼亞大學歐文分校獲得計算機科學博士學位。
Christopher Seiwald編寫了Perforce（一種軟體配置管理系統）、Jam（一種構建工具）和「漂亮代碼的七個要素」（本書的第32章，變動的代碼，正是從 這篇文章中提取出了有價值的思想）。在創建Perforce之前，他在Ingres公司管理網路開發小組，他花了數年時間來使得非同步網路代碼看上去很漂 亮。現在他是Perforce軟體公司的CEO，並且仍然從事編碼工作。
Diomidis Spinellis是希臘雅典經濟與商業大學管理科學與技術系的副教授。他的研究領域包括軟體工程工具，編程語言和計算機安全。他在倫敦帝國理工大學獲得 了軟體工程碩士學位和計算機科學博士學位。他發表了超過100篇的技術論文，所涉及的領域包括軟體工程，信息安全以及普適計算。他還編寫了兩本開源方面的 書籍：《Code Reading 》(獲得2004年度Software Development Proctivity獎)和《 Code Quality 》(這兩本書都由Addison-Wesley出版社出版)。他是IEEE Software編輯委員會的成員，主編「Tools of the Trade」專欄。Diomidis是一位FreeBSD提交者（Committer），並且編寫了許多開源軟體包、軟體庫以及工具。
Lincoln Stein是一位碩士/博士，他的研究領域為生物信息數據的集成與虛擬化。在從哈佛大學醫科學院畢業後，他在麻省理工大學Whitehead基因研究所工 作，開發用於老鼠和人類的基因圖譜資料庫。他在冷泉港實驗室開發了各種基因資料庫，包括WormBase，線蟲基因資料庫；Gramene，用於水稻和其 他單子葉植物的比較基因映射資料庫；國際Hap-Map項目資料庫；以及人類基因基礎資料庫Reactome。Lincoln還編寫了《books How to Set Up and Maintain a Web Site》(Addison-Wesley出版社)、《Network Programming in Perl》(Addison-Wesley出版社)、《Official Guide to Programming with CGI.pm 》(Wiley出版社)以及《Writing Apache Moles with Perl and C》(O'Reilly出版社)等書籍。
Nevin Thompson把Yukihiro Matsumoto編寫的第29章內容，把代碼當作文章，從日文翻譯到英文。他的客戶包括日本最大的電視網路，以及Technorati Japan公司和Creative Commons組織。
Henry S. Warren, Jr.在IBM工作了45年，他歷經了從IBM 704到PowerPC的發展過程。他參與過多個軍方指揮與控制系統的開發工作，在紐約大學Jack Schwartz教授指導下從事SETL項目。從1973年起，他在IBM研究部門工作，主要方向為編譯器和計算機架構。Hank目前正在參與Blue Gene Petaflop超級計算機項目。他在紐約大學克朗數學研究所獲得了計算機博士學位。他是《Hacker's Delight》(Addison-Wesley出版社)一書的作者。
Laura Wingerd多年Sybase和Ingres的資料庫產品開發工作形成了她早期對軟體配置管理的觀點。她在Perforce軟體公司創建之初就加盟了這 家公司，並且從她給Perforce客戶的建議中獲得了大量的SCM經驗。她編寫了《Practical Perforce》(O'Reilly出版社)一書以及許多與SCM相關的白皮書。她在Google的技術演講The Flow of Change中首次露面。Laura現在是Perforce 軟體公司產品技術部的副主管，主要負責推動合理的SCM流程以及研究新的並且更好的Perforce使用方式。
Greg Wilson在愛丁堡大學獲得了計算機科學博士學位，他的研究領域包括高性能科學計算，數據虛擬化以及計算機安全。他現在是多倫多大學計算機科學系的一位副教授，並且是《Dr. Dobb's Journal》雜志的特約編輯。
Andreas Zeller於1991年畢業於德國達姆斯塔特理工大學，並於1997年在不倫瑞克理工大學獲得計算機科學博士學位。2001年以來，他一直在德國薩爾蘭 登大學的計算機科學系擔任教授。Zeller主要研究大型程序以及它們的發展歷史，他開發了大量的方法來分析在開源軟體以及IBM、Microsoft、 SAP以及其他公司的商業軟體中失敗的原因。他編寫的《Why Programs Fail: A Guide to Systematic Debugging》(Morgan Kaufmann出版社)獲得了《Software Development Magazine》雜志2006年度的Proctivity大獎。

8. 所以x是多少y是多少

曉查 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

你在看到標題的時候，一定會想：
這個問題我知道答案：x、y、z都等於1。
如果再多算幾步，你還能發現4、4、-5也是一組整數解。
注意審題，以上只是方程x³+y³+z³=3的前兩組整數解，第3組整數解是多少，你知道嗎？
1953年，數學家Louis Mordell提出一個疑問：這個第3組整數解，它存在嗎？
最近，這組解終於被找到了。
警告一下，千萬別嘗試用窮舉法編程！
因為這3個數遠遠超出了長整型的范圍，但數學家還是動用了40萬台電腦把答案找出來了。
另外，這兩位數學家還把程序代碼開源了。
當然，他們並非暴力搜索。這時候數學的作用就來了：它能為你提供演算法，告訴你搜索范圍，大大縮小搜索空間。
一個正整數能否表示成三個整數的立方之和（x³+y³+z³=k），關於它的每次發現都能引起不小的轟動。
這個看似沒技術含量的問題，其實困擾了數學界很久。
三個立方數之和
1992年，數學家Roger Heath-Brown提出了一個猜想：對於一個正整數k，如果它除以9的余數不是4或5（k不等於9n±4），那麼k就可以表示成三個整數的立方之和。
而且每個k都有無窮多組整數解。
對於k小於100的情況，2019年之前只有k=33、42沒有找到整數解。
2019年3月，33告破：

33 = 8866128975287528³ + (-8778405442862239)³ + (-2736111468807040)³

2019年9月，麻省理工的Andrew Sutherland和布里斯託大學Andrew Booker的兩位安德魯找到了42的答案：

42 = (-80538738812075974)³ + 80435758145817515³ + 12602123297335631³

當時，菲爾茲獎得主、劍橋大學教授Timothy Gowers還轉推「祝賀」。
雖然100以內的數解告破，但幾十年間卻沒有關於k=3的新解，許多人開始相信這個所謂的新解根本不存在，Heath-Brown猜想也是錯的。
但是，在找到42的答案之後，這兩位安德魯很快就出乎意料找到了k=3的第三組整數解：

3 = 569936821221962380720³ + (-569936821113563493509)³ + (-472715493453327032)³

數學化簡
為了找到42和3的解決方案，兩位數學家從現有演算法開始，將立方和公式轉化為他們認為更容易求解的形式：
他們將x+y看作一個參數d，進一步修改了演算法，然後將兩邊都除以d求余數（數學中記作mod d）
這樣問題就變成k除以d的余數是z³。
這樣，只需尋找d和z的值，即可保證找到對應於k=3的x、y、z。
即便如此，搜索的數字空間也是無限大的。因此，他們通過使用數論中的「篩法」，極大地減少了d范圍，將xyz的搜索范圍降到10的15次方以內。
拆解任務
兩位安德魯還開發了將搜索演算法拆分成幾十萬個並行處理流的方法。
如果僅在一台計算機上運行該演算法，則要花幾百年的時間才能找到答案。而通過將工作分為幾十萬個較小的任務，就可以在個人電腦上運行，進一步加快搜索速度。
在2019年9月，研究人員通過Charity Engine實施了這項計劃，借用普通用戶的家用電腦資源，共同解決難題。
當時，全球加入Charity Engine分布式計算項目的計算機超過40萬台。兩位安德魯將他們的演算法部署在平台上。
（註：Charity Engine項目還幫助科學家解決了一個蛋白質折疊問題，發了一篇Science。）
最終，這項工作被分為大約40萬個任務，每個任務需要一台計算機花費大約3個小時才能完成。
很快，全球各地的電腦返回的k=42的第一個整數解。
而僅僅兩周後，他們已經發現，k=3的第3個整數解就找到了，他們還把這組解印在了T恤上。
至此，Mordell在68年前的問題終於得到解答。
那麼問題又來了x³+y³+z³=3的第4組解是多少？
可能有生之年很難見到了，因為求下一組解需要的計算量是現在的1000萬倍，需要4萬億台電腦才能算出，而且可能還不夠。
△ 論文作者之一Andrew Sutherland
Sutherland說：「我不知道我們是否會知道第四個解，但是我確信它存在。」
參考鏈接：
[1]
https://phys.org/news/2021-03-sum-cubes-puzzle-solution.html
[2]
https://www.pnas.org/content/118/11/e2022377118
[3]
https://github.com/AndrewVSutherland/SumsOfThreeCubes

9. 國內深度學習領域比較厲害的教授有哪些

在過去的三十年，深度學習運動一度被認為是學術界的一個異類，但是現在， Geoff Hinton（如圖1）和他的深度學習同事，包括紐約大學Yann LeCun和蒙特利爾大學的Yoshua Bengio，在互聯網世界受到前所未有的關注。Hinton是加拿大多倫多大學教授和研究員，目前就職於Google，他利用深度學習技術來提高語音識別、圖像標簽以及其他無數在線工具的用戶體驗，LeCun在Facebook做類似的工作。當下人工智慧在微軟、IBM以及網路和許多其它公司受到極大的關注。
我非常興奮，我們發現一種可以使神經網路變得更好的方法，尤其是這種方法能夠揭示大腦是如何工作的時候——Geoff Hinton。
Geoff Hinton 等人親手締造了深度學習的復興
Hinton本科階段在劍橋學習心理學，他意識到科學家們並沒有真正理解大腦——不能完全掌握數十億神經元之間的交互以及如何提升智力。這些科學家可以解釋電信號沿著一個軸突連接一個神經元到另一個，但他們無法解釋這些神經元是如何學習或計算的。Hinton認為這些都是大問題，答案可能最終讓我們實現1950年代人工智慧研究人員的夢想。

圖1： Geoff Hinton（AI領袖級人物，目前就職於Google）
他也沒有答案，但他將盡全力尋找答案，至少改進的人工神經網路可以模擬人腦的某些方面。「我非常興奮，我們發現一種可以使神經網路變得更好的方法，尤其是這種方法能夠揭示大腦是如何工作的時候，」Hinton說，洋溢著青春的熱情。

這些人工神經網路可以收集信息，並且能夠做出反應，它們可以理解東西看起來什麼樣或聽起來像什麼。當你將單片語合起來，它們在做決定的時候會變得更聰明，而在完成這些過程中不需要人類提供物體或對象的標簽，這是傳統的的機器學習工具做不到的。
隨著人工智慧的發展，這些神經網路將更加快速、靈活、高效，它們隨著機器規模的增加而變得更加聰明，隨著時間的推移將能夠解決越來越多的復雜任務。
早在80年代初，當Hinton和同事開始這個想法時，那時的電腦性能還遠遠不能處理神經網路需要的巨大數據集，成功是有限的，隨後人工智慧社區背棄了他們，轉而去尋找類人腦的捷徑，而不是嘗試模仿大腦的運作。
但仍然有一些研究人員堅定地支持Hinton的工作。根據Hinton和LeCun回憶，這極為艱難，甚至直到2004年——已經是Hinton和LeCun第一次開發「反向傳播」演算法神經網路20年之後了——學術界對這些毫無興趣。
但是那一年，從加拿大先進項目研究所（CIFAR）拿到的極少量資金，並在LeCun以及 Bengio 的支持下，Hinton建立了神經計算和自適應感知項目，這個項目只邀請一些計算機科學家、生物學家、電氣工程師、神經科學家、物理學家和心理學家。
通過招聘這些研究人員，Hinton旨在創建一個世界級的團隊，致力於創建模擬生物智能的模擬——模擬大腦如何篩選大量的視覺、聽覺以及書面線索來理解和應對它的環境。Hinton認為建立這樣一個組織會刺激人工智慧領域的創新，甚至改變世界，事實證明，他是對的。
Geoffrey Hinton 曾感慨自己的學術生涯就像 ANN （人工神經網路）一樣起起伏伏，所幸的是，這位 Gatsby 的創立者一直沒有放棄 ANN 的研究。他們為實現早期的想法，定期聚集在一起召開研討會，構建了更強大的深度學習演算法，操作更大的數據集。期間贏得全球人工智慧比賽，再然後互聯網的巨頭開始注意到他們。
2011年，一位NCAP研究員和斯坦福的Andrew Ng在Google建立了深度學習項目，今天，公司用神經網路在Android手機和社交網路以及Google +上標記圖像。去年，Hinton加入Google公司，其目的是進一步把這項工作做的更為深入。
每年不到一百萬美元的CIFAR投資，Hinton和他的夥伴們帶來的回報是豐厚的，這不僅發生在Google也發生在一些國家，包括加拿大。
在這個過程中，Hinton和NCAP已經改變了這個曾經拋棄他們社區的面貌，當下大學生從傳統機器學習項目轉到深度學習這種現象無處不在了 。毫無疑問，現在深度學習是主流。「我們不再是極端分子了」Hinton說，「我們現在可是炙手可熱的核心技術呢。 」
Hinton也周遊世界並為深度學習積極佈道，Hinton有一個習慣就是喜歡突然大喊：「我現在理解大腦是如何工作的了！」這很有感染力，他每周都會這樣做，你很難模仿。
通過NCAP 和CIFAR，Hinton開辦了一家暑期學校，致力於培養新一代的人工智慧研究人員。有這么多的商業公司進入這一領域，這是比以往任何時候都更加重要。不僅僅是科技巨頭加入這個領域，我們也看到大量的深度學習初創公司包括Ersatz,、Expect Labs以及 Declara。
「我們希望把AI和CIFAR帶到一個美妙的新領域，」Hinton說，「一個還沒有人或者程序到達的境界。」
和Geoff Hinton一起共同締造深度學習復興的大神還包括Yoshua Bengio（如圖2）和 Yann LeCun（圖3）教授，他們是Hinton堅定的支持者。
Yoshua Bengio（如圖2）教授也是機器學習大神之一，他的研究工作主要聚焦在高級機器學習方面，致力於用其解決人工智慧問題。他是少有的幾個仍然全身心投入在深度學習學術界的教授之一，好多其他教授早已投身於工業界，加入了Google或Facebook公司。

圖 2：Montreal大學教授及AI研究者 Yoshua Bengio
Yann LeCun和Yoshua Bengio不同，他目前就職於Facebook，任Facebook人工智慧研究院主任，也是人工智慧尤其是深度學習領域最知名的學者之一，在多倫多大學隨Hinton讀博士後即加盟貝爾實驗室，期間研發了卷積神經網路（Convolutional Neural Networks）與曾廣泛用於手寫識別和OCR的圖變換網路方法。2003年加入紐約大學，從事廣度與深度兼具的各類研究，涉及機器學習、計算機視覺、移動機器人和計算神經學。

圖3：紐約大學AI研究者及Facebook人工智慧研究院的主任 Yann LeCun
毋庸置疑的是，深度學習以及整個人工智慧領域已成為互聯網巨頭競爭的一個焦點。
深度學習領域人才極度稀缺
Montreal大學全職教授Yoshua Bengio表示：「深度學習現在炙手可熱，目前的困境是缺乏專家，一個博士生大概需要五年的時間培養，但是五年前還沒有博士生開始從事深度學習，這意味著現在該領域的專家特別少，可以說彌足珍貴、極度稀缺。」
據說目前深度學習領域的頂尖人才不超過50人，Andrew Ng表示深度學習領域人才匱乏的主要原因首先是數據，對於解決某些領域的問題，獲取數據並非易事；其次是計算基礎架構工具，包括計算機硬體和軟體；最後是這個領域的工程師培養時間非常長。所以科技巨頭們包括Google、Facebook、Twitter、網路等紛紛通過收購深度學習領域的初創公司來招攬人才。
Google 2013年3月收購了一家名為DNNresearch的初創公司，這家公司隸屬多倫多大學計算機科學院，只有三個人——Geoffrey Hinton 與他的研究生學生 Alex Krizhevsky 和 Ilya Sutskever。之後，Google今年1月份斥資4億美元收購人工智慧初創企業DeepMind，DeepMind由人工智慧程序師兼神經科學家Demis Hassabis等人聯合創立，是前沿的人工智慧企業，其將機器學習和系統神經科學的最先進技術結合起來，建立強大的通用學習演算法。另外，Google還收購烏克蘭面部識別技術開發商Viewdle。
Google不斷的收購深度學習領域的公司最主要的目的是「搶購」一批世界上最一流的專家，在一個迅速成長的人工智慧領域裡面，這些專家無一不是佼佼者。
Facebook也在2012年以近6000萬美元的價格收購以色列人臉識別公司Face.com。人事方面，任命計算機科學家Yann LeCun（圖3）作為人工智慧研究院的主任，用深度學習專業知識來幫助創建解決方案，更好地在每天上傳到Facebook上的3.5億張照片和視頻中識別人臉和對象。去年8月13日Facebook又宣布收購了語音識別及機器翻譯公司Mobile Technologies，後者將會幫助我們從圖片識別拓展到語音識別領域。假以時日，Facebook可能會開發出交互更加自然的服務，而且相對於任何現有技術，它還會幫助解決多得多的問題。
Twitter 今年7月29日收購了基於深度學習的計算機視覺創業公司Madbits。Madbits這家公司是由Facebook人工智慧實驗室主任Yann LeCun以前兩名學生創辦的，開發了可自動理解、組織和提取媒介內容信息的視覺智能技術。這項基於深度學習的計算機視覺技術已經開發完成，正在測試。Twitter上每天都會出現無數的圖片。收購Madbits可以幫助Twitter推出諸如圖像搜索的功能，基於圖像內容改進搜索排名，甚至是通過分析圖像來更好地理解人們的推文內容。
其他公司。雅虎收購深度學習公司LookFlow和圖像標注公司IQEngine；QualComm收購圖像識別公司Kooaba； Pinterest收購物體識別公司VisualGraph；Dropbox收購圖像標注公司Anchovi Labs；網路成立李彥宏親自掛帥的深度學習研究院，有Andrew Ng、余凱等技術大牛加盟； 至此，深度學習領域的幾位大牛基本上都各有所屬。
深度學習的誤區及產品化浪潮
網路首席科學家Andrew Ng表示：「目前圍繞Deep Learning存在著某種程度的誇大，它不單出現於媒體的字里行間，也存在於一些研究者之中。這是一種不健康的氛圍。將Deep Learning描繪成對人腦的模擬，這種說法非常具有吸引力，但卻是過於簡化的模仿，它距離真正的AI或人們所謂的『奇點』還相當遙遠。」
目前這項技術主要是從海量數據當中學習，理解數據，這也是現今有關Deep Learning技術研究和產品發展的驅動力。而具備與人能力相匹配的AI需要無所不包，例如人類擁有豐富的感情，這些都是當下Deep Learning研究尚未涉及的。今天，AI領域最大的挑戰和短板是Perception，如何讓機器更好地理解人的意圖；而這正是 "深度學習"可以發光發熱的范疇。
一項技術能夠快速成為主流，一個主要原因就是能夠快速推出成熟的產品，深度學習也不例外，所以深度學習產品化是一個大趨勢，追求不切實際的「天網」或者電影情節的高科技未免太急功近利、不切實際。目前 "深度學習"讓Google產品在語音，文本和圖像的識別上變得更加聰明，可以更准確地洞悉我們的信息輸入，更人性化地理解我們的意圖。現在，每個安卓手機的語音識別以及Google街景中的圖像處理都有"深度學習"的影子。筆者認為，隨著深度學習的發展和科技公司加大投入，會有越來越多的產品推向市場。