聽專家講座的心得體會(huì)

聽專家講座的心得體會(huì)聽專家講座的心得體會(huì)1從第7周周四到第15周周四，共16次講座，由6位強(qiáng)勢(shì)專家授課。在我看來，開設(shè)這門課程的目的是激發(fā)我們對(duì)本專業(yè)的學(xué)習(xí)興趣，多了解相關(guān)的研究方向，提升我們的專業(yè)素養(yǎng)。記得有位老師說過“優(yōu)秀的本質(zhì)是相同的”，每位老師都在自己的研究方向上做出了很大的成果，對(duì)于我們這種處于初級(jí)階段的學(xué)生來說，雖不是在聽天書，卻也難以深入理解。既然一千個(gè)讀者心中就有一千個(gè)哈姆雷特，在此我僅總結(jié)我聽到的內(nèi)容，并對(duì)自己感興趣的方向進(jìn)一步闡釋，也算是筆記的整理吧。第七周何光輝老師講課的主題是“SomeRecentDevelopmentofIntelligentPRandApplications”。模式識(shí)別是個(gè)很有趣的研究方向，與我們的日常生活息息相關(guān)。模式識(shí)別是使計(jì)算機(jī)模仿人的感知能力，從感知數(shù)據(jù)中提取信息的過程。簡言之，用機(jī)器自動(dòng)識(shí)別事物。模式識(shí)別系統(tǒng)由數(shù)據(jù)獲取、預(yù)處理、特征提取與選擇和分類決策組成。課上沒有介紹很詳細(xì)的專業(yè)知識(shí)，著重講了模式識(shí)別的應(yīng)用。主要有文本圖像分析、語音識(shí)別、工業(yè)自動(dòng)化如零部件或物品分類、數(shù)據(jù)挖掘、多媒體數(shù)據(jù)檢索（文檔、圖像、視頻、音樂檢索）、生物特征識(shí)別、用于生物信息學(xué)、醫(yī)學(xué)圖像、空間探測(cè)與環(huán)境資源檢測(cè)、遙感圖像、安全監(jiān)控（身份識(shí)別、視頻監(jiān)控、交通監(jiān)控、音視頻監(jiān)聽等）人有很多特征可以記錄幫助識(shí)別，如指紋、聲音、人臉、姿態(tài)等。模式識(shí)別應(yīng)用范圍之廣令人佩服，同時(shí)，提高識(shí)別精度是很重要的研究方向，畢竟成本低的識(shí)別儀器雖已普遍應(yīng)用于日常生活中，但精度較低。一些精度很高的儀器如瞳孔掃描儀一般在重要的地方才會(huì)使用，且成本很高。降低儀器成本、提高識(shí)別精度是很重要、很有前景的研究方向。第八周伍俊良老師給我印象最深的是他的思想。就我們的現(xiàn)狀而言，相比于高中，知識(shí)學(xué)得多了，而掌握得不深、做題能力也反降不升，究其根源是我們還沒養(yǎng)成思考問題的習(xí)慣，或者說不知如何思考問題。伍老師提倡培養(yǎng)學(xué)生的創(chuàng)新能力、解決問題和把知識(shí)活學(xué)活用的能力，這些都是我們?nèi)鄙俚摹３酥?，伍老師介紹了一些問題，如IEP（InverseEigenvalueProblem）、NIEP（NonnegativeInverseEigenvalueProblem）、RNIEP和SNIEP等，當(dāng)然就我們現(xiàn)在的水平而言，無法解決這些難題，但至少讓我們知道了每一個(gè)數(shù)學(xué)分支都有很多難以解決的問題，需要數(shù)學(xué)工作者的努力，也許某一天我們專業(yè)的某某就會(huì)奮戰(zhàn)在這個(gè)領(lǐng)域。第九周是胡小兵老師的課，主題是SwarmIntelligence。計(jì)算機(jī)的發(fā)展使優(yōu)化突破了傳統(tǒng)的限制，由此出現(xiàn)了各種智能算法。通過蟻群、大雁的行為創(chuàng)造出蟻群算法和PSO（粒子群優(yōu)化算法），這也算是大自然對(duì)人類的啟發(fā)吧。由于我對(duì)這方面較感興趣，具體闡釋放在這篇文章的后面一部分。王坤老師針對(duì)我們的問題進(jìn)行解答，主要是介紹了信息與計(jì)算科學(xué)專業(yè)的研究方向，對(duì)我們想繼續(xù)深造的有一定的指導(dǎo)意義。不過往哪個(gè)方向走還是看自己的興趣所在，開心地學(xué)習(xí)是最好的選擇。李聲杰老師很強(qiáng)勢(shì)，主要介紹了向量集值優(yōu)化與向量變分不等式問題的某些理論及進(jìn)展。雖然沒聽懂什么內(nèi)容，但能聽出來李老師和他的老板陳光亞院士在這方面做出了很大的成果。Rockafellar、Auslander、MountainPass定理很多名詞我們都沒聽說過，上這兩次課也只是感受一下學(xué)術(shù)的魅力。最后三周是曾理老師講的關(guān)于圖像處理的內(nèi)容，重點(diǎn)有三個(gè)，分別是CT、三維顯示和三維圖像處理。第一，CT，即斷層成像。（未知）圖像經(jīng)過物理過程轉(zhuǎn)化為信號(hào)，信號(hào)通過數(shù)學(xué)變換完成圖像重建，這是圖像和信號(hào)的'互相轉(zhuǎn)換過程。若是射線穿過被探測(cè)物體，則信號(hào)強(qiáng)度變化，有公式如下：NN0e_，其中N為光穿過介質(zhì)后的光強(qiáng)，N0為穿過介質(zhì)之前的光強(qiáng)，為線性衰減系數(shù)，_為介質(zhì)的厚度。Fourier變換也在CT中起著重要的作用，時(shí)空域通過Fourier變換（FT）轉(zhuǎn)換成頻域，頻域可通過逆Fourier變換（IFT）轉(zhuǎn)換成時(shí)空域。代數(shù)重建法就是在反投影過程中將數(shù)據(jù)平均分配回去，也正是因?yàn)椤捌骄狈峙?，反投影效果不明顯，圖像可能不清晰。因此出現(xiàn)了新的圖像重建方法FBP—濾波反投影，但是它的要求較高，要求投影數(shù)據(jù)必須完整。第二，三維顯示，也稱立體顯示。分為兩種，分別是面繪制和體繪制。其中，體繪制又稱直接繪制，顧名思義，它是通過計(jì)算機(jī)采集三維數(shù)據(jù)集然后對(duì)三維數(shù)據(jù)的每個(gè)像素進(jìn)行繪制。著重講了光線投射算法。計(jì)算機(jī)的存儲(chǔ)單位是字節(jié)，灰度的1像素占1字節(jié)，彩圖的1像素則至少占3字節(jié)，若色深是32位，則說明有8位代表透明度。在光照模型中有漫反射、完全鏡面反射，而一般情況下都是非完全鏡面反射。具體過程當(dāng)時(shí)沒聽太懂，只知道方法中用到的梯度都是通過中心差分來求的。第三，三維圖像處理。它在醫(yī)學(xué)上的應(yīng)用尤其廣泛。如由CT、MR等設(shè)備掃描得二維切片數(shù)據(jù)，然后經(jīng)過三維圖像處理可得到組織或器官的三維形狀，其實(shí)也就是重建的過程。三維重建相比于體繪制而言，硬件要求低、處理速度快，很適合應(yīng)用于醫(yī)學(xué)。圖像處理、重建需要計(jì)算機(jī)的幫助，曾老師介紹了兩個(gè)算法：MarchingSquares算法和MarchingCubes算法。其中，前者的主要手段是閾值分割，目的是找出目標(biāo)，通過灰度直方圖和確定閾值得到新的二值圖。MarchingCubes算法也稱等值面提取或移動(dòng)立方體算法。稍高深的內(nèi)容沒聽懂，在此也不展開敘述。老師還總結(jié)了圖像編程三層次：（1）PS，三維軟件如VG++、3DMED；（2）Matlab（自帶三維顯示）（3）C/C++是基礎(chǔ)，在此基礎(chǔ)上通過運(yùn)算平臺(tái)CUDA進(jìn)行體顯示，通過openGL進(jìn)行面顯示，通過openCV對(duì)圖像進(jìn)行二維處理。以上是六位老師講的大體內(nèi)容，由于我對(duì)胡小兵老師的智能算法較感興趣，因此聽課之后看了老師給的一些材料，將內(nèi)容總結(jié)如下。蟻群算法（ACO）是受蟻群集體行為的啟發(fā)而提出的、基于種群的模擬進(jìn)化算法，屬于隨機(jī)搜索算法。其中一個(gè)重要名詞是“信息素”。蟻群在尋找食物或?qū)ふ一爻猜窂降男袆?dòng)中，會(huì)在它們經(jīng)過的地方留下一些“信息素”，這種物質(zhì)使后到的螞蟻?zhàn)畲罂赡艿剡x擇具有該物質(zhì)的路徑，而且后到者留下的“信息素”會(huì)對(duì)原有的“信息素”加強(qiáng)，如此循環(huán)下去，經(jīng)過螞蟻越多的路徑，在后到螞蟻的選擇中被選中的可能性就越大。該過程進(jìn)行下去一直到所有螞蟻都走最短路徑為止。蟻群算法的主要優(yōu)點(diǎn)是采用了正反饋機(jī)制。蟻群算法的應(yīng)用也很廣，主要是很多組合優(yōu)化問題。它通常被用于解決（1）調(diào)度問題，如車間作業(yè)調(diào)度問題（JSP）、車間組調(diào)度問題（GSP）（2）車輛路徑問題，如限量車輛路徑問題（CVRP）、分批配送車輛路徑問題（SDVRP）、裝貨配送的車輛路徑問題（VRPPD）等（3）分配問題，如二次分配問題（QAP）（4）設(shè)置問題，如覆蓋設(shè)置問題（SCP）、多背包問題（MKP）（5）其他如圖像處理、系統(tǒng)識(shí)別等等。還有一些常用的變異蟻群算法：（1）精英螞蟻系統(tǒng)（2）最大最小螞蟻系統(tǒng)（MMAS）（3）蟻群系統(tǒng)（4）基于排序的螞蟻系統(tǒng)（ASrank）（5）連續(xù)正交蟻群（COAC）。除了蟻群算法，胡老師還介紹了粒子群優(yōu)化算法（PSO），它是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協(xié)作的隨機(jī)搜索算法，屬于群集智能（SI）。PSO模擬鳥群的捕食行為，具體如下：一群鳥在隨機(jī)搜索食物，在這個(gè)區(qū)域里只有一塊食物，所有的鳥都不知道食物在哪里，但是他們知道當(dāng)前的位置離食物還有多遠(yuǎn)，那么最優(yōu)策略又是最簡單有效的方法就是搜索目前離食物最近的鳥的周圍區(qū)域。在此算法中，適應(yīng)值（fitnessvalue）很重要。所有粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的fitnessvalue，粒子們追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。PSO初始化為一群隨機(jī)粒子，然后通過迭代找到最優(yōu)解，在每一次的迭代中，粒子通過跟蹤兩個(gè)極值來更新自己。第一個(gè)就是粒子本身所找到的最優(yōu)解，稱為個(gè)體極值pBest，另一個(gè)是整個(gè)種群目前找到的最優(yōu)解，是全局極值gBest.也可以不用整個(gè)種群而只是用其中一部分最優(yōu)粒子的鄰居極值，它是局部極值。算法流程如下：1.初始化一群微粒，包括隨機(jī)的位置和速度；2.評(píng)價(jià)每個(gè)微粒的fitnessvalue；3.對(duì)每個(gè)微粒，將它的適應(yīng)值和它經(jīng)歷過的最好位置pBest作比較，如果較好則將其作為當(dāng)前的最好位置gBest；4.對(duì)每個(gè)微粒，將它的fitnessvalue和全局所經(jīng)歷的最好位置gBest作比較，如果較好則重新設(shè)置gBest的索引號(hào)；5.根據(jù)定義的方程變化微粒的速度和位置；6.如未達(dá)到結(jié)束條件（可為足夠好的fitnessvalue或達(dá)到一個(gè)預(yù)設(shè)的最大代數(shù)Gma_）回到第2步。隨著PSO的不斷發(fā)展，其應(yīng)用范圍也在不斷擴(kuò)大。如利用PSO實(shí)現(xiàn)對(duì)衛(wèi)星無線網(wǎng)絡(luò)路由的自適應(yīng)調(diào)整、解決互聯(lián)網(wǎng)絡(luò)服務(wù)質(zhì)量路由問題，除此之外，PSO算法還在多峰值函數(shù)優(yōu)化、多目標(biāo)優(yōu)化和約束優(yōu)化等方面取得了很好的效果。由于知識(shí)所限，很多專有名詞沒有弄懂，知識(shí)還需以后深入學(xué)習(xí)。筆記就整理到這里，還是來說一下我的感想吧。曾經(jīng)偶然間在CNKI上看到李寒宇老師的一篇文章《愛上這個(gè)美麗的錯(cuò)——讓我沉迷的信息與計(jì)算科學(xué)專業(yè)》，他抱著大學(xué)不學(xué)數(shù)學(xué)的心態(tài)陰錯(cuò)陽差地進(jìn)了這個(gè)專業(yè)，意想不到的是數(shù)學(xué)和計(jì)算機(jī)是個(gè)令人著迷的世界，無法自拔。畢達(dá)哥拉斯說世界是由數(shù)組成的，也許只有像我們這樣天天生活在數(shù)學(xué)世界里的人才能真正體會(huì)這句話。與李老師不同的是，我沒有犯這個(gè)“錯(cuò)”，我不是陰錯(cuò)陽差，而是我主動(dòng)報(bào)了這個(gè)專業(yè)，并且填的是第一志愿。從小我就對(duì)數(shù)學(xué)有一種特殊的感情，數(shù)字是可以讓我興奮的事物。現(xiàn)在，我很享受大學(xué)生活，重要原因之一就是我在學(xué)數(shù)學(xué)?，F(xiàn)在，聽了這幾位老師的講座，深刻地體會(huì)到范圍之廣、內(nèi)容之深，在數(shù)學(xué)的路上，我們也只算是剛剛過起跑線而已，不斷努力、不斷成長才能繼續(xù)向前。讀了本科，再讀研，即使再讀博士，所懂的也只是數(shù)學(xué)的冰山一角。數(shù)學(xué)就像宇宙一樣，無人知道盡頭在哪，但是總有無數(shù)的人去探索，包括你我?？戳穗娪啊睹利愋撵`》，納什太天才了，我們普通人肯定達(dá)不到那種境界。我們所能做的就是用心、努力。為自己喜歡的東西盡可能地去付出，不管結(jié)果怎樣都是快樂的。而且事實(shí)證明，如果用心了，結(jié)果也往往很好。這周三晚上ShreeyGong來學(xué)院樓作報(bào)告，由于是全英文的而且我對(duì)e_pandergraph也不太了解，內(nèi)容幾乎沒聽懂，但她的一個(gè)想法給我印象很深。她說從不感覺數(shù)學(xué)和計(jì)算機(jī)是boring的，因?yàn)樗X得通過計(jì)算機(jī)編程去實(shí)現(xiàn)自己的目的是一件讓人感覺很自由的事情，就好像能controleverything?？刂埔磺?，有一種放逐心靈、自由追求的快感，然后伴著這種感覺在學(xué)術(shù)路上愈走愈遠(yuǎn)，在現(xiàn)在的我看來，快樂的人生也不過如此。聽專家講座，體驗(yàn)一種學(xué)術(shù)的氛圍，對(duì)自己學(xué)了兩年的專業(yè)多一層認(rèn)識(shí)。聽不懂內(nèi)容不重要，重要的是我們能在這個(gè)過程中更清晰地了解自己，那便達(dá)到了目的，我覺得這也是我聽講座的最大收獲所在。聽專家講座的心得體會(huì)2曾經(jīng)有一個(gè)教育者說過：“教育始終應(yīng)該是一個(gè)付出和學(xué)習(xí)的過程，也是一個(gè)感悟和享受的過程!”今天聽了深圳市幼兒教育專家李春玲的講座之后，對(duì)這句話理解更深刻。作為一個(gè)老師的確需要不斷地的學(xué)習(xí)，及時(shí)充電，也要無私的奮獻(xiàn)、付出，最重要的是學(xué)會(huì)感悟!。李教授的“跳出傳統(tǒng)思維做促進(jìn)孩子發(fā)展的教育”和“讓環(huán)境說話”這兩個(gè)主題的講座真的是讓我感悟頗深，受益匪淺。首先，讓我真正理解了什么是教育?教育是一種平衡!兒童發(fā)展領(lǐng)域的平衡、教師教育手段的平衡、教育環(huán)境創(chuàng)設(shè)的平衡，教師應(yīng)努力實(shí)現(xiàn)兒童自由學(xué)習(xí)和成人指導(dǎo)或幫助兩者之間最優(yōu)平衡。我們的教育如果出了問題，沒關(guān)系，只要我們靜下心來思考一下及時(shí)改進(jìn)還是會(huì)有所發(fā)展的!看了國外的有些教育圖片,讓我感到平時(shí)對(duì)自己孩子或者學(xué)校孩子的教育中大人包辦代替太多了!孩子會(huì)做的讓他們?nèi)プ霭?要相信孩子，他們有能力做的事情為什么大人去干擾呢?作為老師或家長要有耐心，孩子就是慢點(diǎn)還是讓他們把自己愿意干的事情慢慢做完吧!其次，讓我知道布置環(huán)境不是單一的美化和裝飾更重要的是讓環(huán)境“會(huì)說話”《指南》指出給孩子創(chuàng)設(shè)寬松愉悅的環(huán)境、有教育意義的環(huán)境。環(huán)境是重要的教育資源，課程的有機(jī)組成部分，是幼兒的第三任老師，也是教師的好助手。讓環(huán)境“會(huì)說話”常規(guī)教育無形中會(huì)形成，如孩子排隊(duì)搶著往前站、吃飯時(shí)亂撒、區(qū)域活動(dòng)時(shí)大聲說話等等，如果我們貼有相應(yīng)的標(biāo)識(shí)標(biāo)志孩子就不會(huì)搶著喝水、站隊(duì)，上廁所，也不會(huì)把不愛吃的.東西亂撒，會(huì)自覺排