人生第一次旁听博士论文答辩随感 #

Date: 2015/12/4

放下了感觉很重要的事情，冲到几十公里外，参与了师兄师姐的毕业论文答辩。感受了一下真正的高水平毕业设计，感触良多。

一直感觉，博士学习的就是一种思想，一种站在高处，以旁观者的角度看待剅万物的规律，解决常人所无法解决的问题的思想。一直觉得，自己的高度还不够高，还差得远。以为自己做了点实验，做了一些工作，似乎熟悉了这里面的道道。却在今天复又发现，还有很长的路要走。more

以前搞的本科答辩，就是搞着玩。自己亲历的硕士答辩，就是一个项目结题会。今天因为堵车，迟到了40分钟，看到师姐都在最终提问了，算了一下时间，就以为3位师兄姐都快答完了，还比较懊恼呢，结果坐了20分钟后，才发现，这是上场的第一人。

答辩内容就不多说了，反正我也是一知半解，不管怎么样，都觉得他们的内容非常的高大上，已经脑洞大开。但是评委们的问题，更是让我体会到了思考角度的不同，在此将一些心得记录一下。评委老师的建议

• 模拟实验很重要，但永远没有实测结果有说服力

• 有些事情对于一般情况来说很好，对于特殊情况来说，是否仍然具有竞争力，是值得考究的事情。

• 答辩、文章需要理清前后关系，注意整体效果。（这个老冯以前也提到过，文段间要有一个连贯的思路。但是说得容易，做到难啊）

• 研究成果的受众是谁，在研究过程中要随时挂在心头。能够在研究结果中提出建设性意见，特别是一些别人不容易获得的结论，能够使文章更有意义。

• 如果自己的成果间有一定的关联，那么就要说清楚，为什么后面没有使用自己研究的结果。否则就显得像是一纸空谈。

• 数据挖掘是从数据中得到未知的规则，统计分析是用数据去训练已知的模型。两者有一定的区别。（个人感觉，dirichlet，HMM都可能算是已知模型）

• 在定义代数系统时，需要考查集合元素个数，需要有运算规则。如果是有限集，可以定义成运算表。并且要对运算规则进行验证，保证它的正确性，封闭性等性质。

• 特定的研究方向，要与常规的研究方向进行比较，找出其不同之处以及特殊性，否则只是模型的套用，没有太大的意义。

• 论文中的一些细节，可能引出重要的性质或特征。比如在某师兄的文章中，用到了一个卷积处理数据，他只知道处理了结果会很好，但不知道为什么要这么做。而从原理分析，卷积是做了滤波操作，那么，结果就可能与具备某种特征的信号有关系，深入研究可能获得意想不到的信息。

• 论文题目的定义，不要定义得太大，容易引起不必要的误解。在某题目中加入“关键技术的研究”，可以适当缩小题目范围。论文背景中，最好介绍研究成果的受众，可以加深评委对文章内容的理解。

• 好像师兄师姐论文的格式都被吐槽了，以后论文一定要留出时间多过几次。

学到的研究方法 #

• 对于密集的实验内容，可以使用不同的灰度来加强读者的感观效果。

• 图上可以使用定义的符号来进行描述。

• 以模元（模式单元）来描述用户行为的原子单元。后续研究可以基于模元实现。但其设定是开放性的，后续可以继续研究如何选取合适的模元。

• Dirichlet、HMM、Bayes网用得还算比较多呢，程序运行过程可以通过它们进行一定的处理。这方面的思维还需要好好锻炼一下。

• 进程代数可以用来描述程序的执行状态，是分析程序运行可靠性的工具。

• 概率中会用到“泊松特点”？

• 博利叶变化对矢量进行“等长填充”？

• 惯性权重系数？

• 动态Bayes网？

Categories: 随感