博看读书 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!

“请两位选手思考3分钟的时间。”

很快,3分钟后,主持人将话筒递到了蔡昆手中。

“下面有请请蔡同学回答。”

他红着脸,磕磕绊绊了好久“很抱歉,这个领域,我并没有深入研究……递归神经网络是具有树状阶层结构且网络节点按其连接顺序对输入信息进行递归的人工神经网络,是深度学习算法之一。”

勉强背诵了一些定义,实在有些糊弄不过去,蔡同学道“很抱歉,我暂时没有特别好的想法。”

底下传来了一阵嘘声,蔡同学虽然脸红,但还是硬着头皮站在台上。

他抬头看向张远。

就看你能够回答出什么吧。如果什么都回答不出来,你凭什么面试成绩比我高怎么多?

“下边有请张同学回答。”

“我有个问题。”张远举了举手,“hopfield网络我听说过,但什么叫网络稳定『性』?”

这位提问者笑了笑“如果网络的某些权值可以收敛至平衡点,即称权值收敛,那么输出也就可以拟合期望的输出,即称系统稳定,因此收敛『性』是针对变量而言,稳定『性』是针对系统而言。”

“系统的稳定『性』得到不到保证,控制系统不稳定,网络的收敛『性』失去了基础。”

张远琢磨了一下一下,说道“你的那个研究领域,我也没有深入研究过,只是看过某些论文。不过我有一些简单的想法,你可以听听。”

“……首先是单调『性』问题,离散时间连续状态的hopfield网络模型中当神经元的激活函数是否为单调函数,或者说是否局部单调。”

“第二是,通过研究能量函数成为凸函数的条件,将hopfield网络的运行看作约束凸优化问题求解,从而尝试着去论证是否有全局惟一极小点的充分条件……”

“凸优化,您说的很正确!凸优化正是我在做的方向,我还有一个问题……”

这一次倒是说到了这位提问者的心坎里,他又提了几个凸优化方面的问题,当场交流起数学来。

最后在主持人的示意下,张远只好说道“关于凸优化方面的知识,如果有需要的话,可以台后找我探讨,这里就不详细说明了……”

很多东西他只是根据平时的积累,随口胡扯,如果真的能随机应变写出一篇论文,那他也不用上台,直接当“论文上帝”好了。

底下已经传来了一片鼓掌声。

这么短短的一段时间,高下立判。

蔡昆恨不得在地上找条缝钻进去。

他只能红着脸,暗地里给自己打气,或许是因为样本过少导致的差异,刚好遇到了自己不会,对方会的题目。

主持人又问道“666号,请说出你的问题。”

提问者是一个女孩,她的问题相对而言比较务实,没有那么偏门“我想要问一个,关于服务器中,缓存方面的问题。”

“缓存分为两个阶段一是数据的放置阶段,在数据需求量较小的空闲时段,利用有余力的通信资源,向每个用户的缓存设备中放置数据。二是数据的分发阶段,假定在数据需求高峰期,每个用户随机向服务器请求一个完整的文件,服务器综合考虑这些需求,分发完整的数据,以满足所有用户的需要。”

“我的问题是,如何最科学地设计缓存方案?”

提问者甚至将一个ppt发到了屏幕上。

这个问题很具有专业『性』,但大家都能听懂在问什么。

主持人说道“好了,各位请思考3分钟的时间。”

话筒交到了张远手上。

他笑着说道“我觉得……还是把机会先让给蔡昆同学吧。我怕我说了之后,他就没的说了。”

底下的人又发出了一片哄笑,还爆发出一片口哨声。

有人相信了,也有人不相信。

蔡昆心中一愣,这一次,他还是有一点想法的,而对面的张远却好像说不出什么东西,需要更多的思考时间。

“……我有这样一个想法,各用户分别缓存每个文件的/n比例的数据,在数据分发阶段服务器再将各用户所缺失的各自(1-/n)部分的数据逐个发放,此时传输数据的值r=k(1-/n)……”

“不知道大家有没有听说过,一种名叫‘编码缓存’的方案,具体的算法是这样的……”

“您说的有道理。”

虽然嘴上这么说着,提问者微微失望,编码缓存可以说是最平凡的一种想法,早就已经有成熟的算法了,没有任何研究意义。如果拿这个烂点子去开课题,估计会被导师一巴掌打回来。

接下来轮到张远,他清了清嗓子。

“蔡昆同学的想法很好,在分发阶段,利用已有的缓存信息之间的关系,设计所需广播内容的一定的编码组合,使得多个用户可以同时从单次的信息中译码得到所需的部分信息,从而得到全局缓存增益。”

“但是其局限在于,要将每个文件等分为一个随着用户数量k而呈指数增长的参数,众所周知,指数级别的分划,在算法上的难以实现……”

“我可以借用一下你的数字笔以及大屏幕吗?”

主持人愣了一下,“可以。”

张远在屏幕上画了几张图。

“……本质上,它是一个组合图论的问题,我们希望得到的是f为k的多项式级别,且r为常数级别时的缓存方案。或者证明这种方案的存在『性』与否。”

“显然,关于文件划分数能否转化成多项式级别,即达到工业可用的级别,完全取决于数学上能否构造出满足某些特『性』的超图问题,这些特『性』是这样的……”

“我觉得转换成数学问题后,已经可以写一篇不错的论文。至于答案究竟是什么,我现在肯定回答不出来,只是一个想法而已。具体应该怎么解决这个图论问题,还得这位同学自己去思考。”

底下响起了一片窃窃私语。

在座的吃瓜群众,还是有许多专业人士的,是不是胡说八道,自然有自己的分辨。

啪啪啪!

几分钟后,提问者带头鼓起了掌。

底下掌声雷动。

蔡昆已经没有脸面继续待下去了,他满脸通红,急匆匆地点头认输。

他终于知道,同样是一百分的试卷,他考100分,是因为实力,而别人同样考100分,是因为卷面上只有一百分。

“老蔡,你遇到了真正的变态!”

“是啊……”

“好像输的不冤枉。”

博看读书推荐阅读:全民魔女1994克系世界,但我散播诅咒拔魔末世之黑暗召唤师快穿之十佳好爸爸星极埃及神主大明小郎君灵气复苏,我的植物会变形拿无限当单机食物链顶端的男人希望犹在之第一部风卷龙旗重生之再许芳华快穿之戏精不作死我在末日求生的那些年拥有治疗系的我打穿了世界水淹全球,我掌握了无数物资灾厄之祸快穿:男神,谈个恋爱赤瞳怪物入侵,我开局加点无敌极寒末世:神之禁区重生耍宝,末世侵吞鹰酱百亿物资幻想世界大掠夺夜行骇客系统降临!助我战虫族死而复生后我在末世开杂货铺黑暗之下:废土世界的危机我可能是个伪学霸末世来临,我拥有了一座小岛无敌从火影开始中场主宰末世之无敌召唤系统我的废品站,能回收太空战舰快穿黑心莲:恶毒女配撩疯了雇佣兵纪元:系统宿主大乱斗从抽到超级制造机开始末日求生:我随身带着电饭锅末世重生之我成了移动蔬菜包末世:谁人都是主角士无归期:抗日从端个炮楼开始三天一进化,我的吞噬天赋太BUG了末日:开枝散叶,从老板娘开始超神穿越之虚空战争末世异能科技机器人叛乱,我要逃离银河系卡牌:老婆有点呆,但统率万龙我的半仙女友深空虚无天灾末世:开局搜刮全球物资星际雌性,抚慰力最强
博看读书搜藏榜:快穿恶婆婆之这个儿媳我罩了种子战记二点零无限之巫师的旅途重生末世追妻帝少快穿这个反派太完美从赛博朋克开始万族争霸从一剑开始诸天鸿蒙树末日操植师关于我在同人无限流世界冒险这事快穿之拯救这崩坏的世界末日世界历险记北方巨兽龙快穿女配之气运男神超神学院之冰冻虚空穿书后,向导在艰难求生!末日模拟器,我以剑道证超凡泯灭之世长生遥科技皇朝万界融合:我能调控爆率我变成了个丧尸辐射:重启范布伦斗擎快穿女配之反派别黑化女配她又不做人了异世飙升神选之日三生无明快穿女配:男主全部黑化了麒麟神相一觉睡醒我继承了亿万赛博遗产重回锦绣师父你修什么道的?末日终结战超级巨星系统美男攻略战明日方舟:时之旅人我的成神日志穿书之这个男主有毒名侦探诸葛亮工业皇帝我活在你身体里我成了血族始祖长生修仙:从三代同堂开始穿越鬼灭后,想活命行不行?重生败寇为王快穿:反派BOSS皆病娇火星先生网前杀手
博看读书最新小说:暗影都市守护者速通:这个丧尸有点礼貌末世军团系统玉枢三星穹重启末世重启,囤货暴富指南觉醒纪元未知波动废土之上,多摘几次野菜就老实了重生末日前,别人屯物资,你就抢女人?快穿:当柔弱女配后男主们爱惨了量子编织者:末日重构废土:非酋她今天交房租了吗?穹宇溯光录寂灭日:钢铁方舟龙啸凤舞五行天机道墨宸诸天录老男人末世求生赌上全部身家去末日游戏中求生纵目超人之星外来客我就想简单的活着娇欲恶雌忙捡夫,全员疯批争求宠【轮回之镜:照见前世今生】末世:开局囤货百亿,我即是规则无限:吾乃凶狠跑刀仔!我的妄想能成真我不是道士,这特喵是丧尸!重生末世,我只想躺平迷雾末世,邻家太太的老公求帮助华夏龙脉1999年后的我们红雾末世:我绑定了无数极品女神囚血之爱,救赎之途极夜生死线双穿后,我在末日当倒爷末世重启:女配的逆袭生存指南末世最强觉醒星战:指挥官他只想回家种地恶女超香软,五个疯批大佬追着宠末世被爹妈遗弃,再见你高攀不起末世带娃日常人类传奇万族战场,F级英雄的我照样无敌七日涅盘重启裂隙纪元:烬火末世:绑错系统给筑基丹人在末日,靠直播打赏碾压丧尸月亮即天宫直播末日:我的打赏能提现最绝望的末世末世:穿书后她依然无敌