“用户:Lux Cicero”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
第25行: 第25行:
  
 
=== 当下 ===
 
=== 当下 ===
我本身的科研工作和复杂性息息相关,只是我所处的领域(人不太多),还没有完全被归结进复杂性科学。具体来说,我目前在研究基于叠加形式(superposition form)的高维函数表示(representation)、逼近(approximation)、自证实计算(self-validated computation)。这项工作与柯尔莫哥洛夫叠加定理有关(Kolmogorov's Superposition Theorem, KST),也和稀疏网格有关(sparse grid),也和山脊函数有关(ridge function),也和传统的多项式逼近方法有关,当然也因此和当前最热门的神经网络有很深的关系。这项工作也能支撑其他的相关领域也包括方差分析(ANOVA)、参数估计(parameter estimation)、实验设计(experiment design)、优化(optimization)、鲁棒最优控制(robust optimal control)等等。其实因为它的基础性的功能,涉及到整个现代科学方法论:实验 - 统计 - 建模 - 参数估计 - 优化 - 制定策略(控制)。
+
我本身的科研工作和复杂性息息相关,只是我所处的领域(人不太多),还没有完全被归结进复杂性科学。具体来说,我目前在研究基于叠加形式(superposition form)的高维函数表示(representation)、逼近(approximation)、自确证计算(self-validated computation)。这项工作与柯尔莫哥洛夫叠加定理有关(Kolmogorov's Superposition Theorem, KST),也和稀疏网格有关(sparse grid),也和山脊函数有关(ridge function),也和传统的多项式逼近方法有关,当然也因此和当前最热门的神经网络有很深的关系。这项工作也能支撑其他的相关领域也包括方差分析(ANOVA)、参数估计(parameter estimation)、实验设计(experiment design)、优化(optimization)、鲁棒最优控制(robust optimal control)等等。其实因为它的基础性的功能,涉及到整个现代科学方法论:实验 - 统计 - 建模 - 参数估计 - 优化 - 制定策略(控制)。
  
 
除此之外我也在啃一些可能有用的数学工具,例如代数几何(一开始是Groebner basis,暂时还没涉及scheme,不过也是迟早的事)、计算几何(主要是Clifford Algera)。我的工作当然也包括实现(implementation),于是我涉猎了一点点计算机代数(computer algebra system)和底层实现,比如LLVM框架(长期来看,当然要以某种方法做进编译器里),毕竟这年头IPOPT调用都用CasADi,PSE建模求解经常都是用GAMS调库。
 
除此之外我也在啃一些可能有用的数学工具,例如代数几何(一开始是Groebner basis,暂时还没涉及scheme,不过也是迟早的事)、计算几何(主要是Clifford Algera)。我的工作当然也包括实现(implementation),于是我涉猎了一点点计算机代数(computer algebra system)和底层实现,比如LLVM框架(长期来看,当然要以某种方法做进编译器里),毕竟这年头IPOPT调用都用CasADi,PSE建模求解经常都是用GAMS调库。

2020年12月6日 (日) 05:56的版本

个人简介

基本信息

集智id:Lux Cicero

工作单位:帝国理工(博士在读)

研究领域:集合计算、全局优化、最优控制

专业背景

本科:电子信息工程

研究生:通信与信息系统

博士(在读):过程系统工程

为什么参与集智

缘起

出生在工程师家庭,自幼对科学和工程学感兴趣,从小一直“妄想”自己能更多更深入的理解“这个世界”。曾以为电子和计算机系统是这个时代的发展趋势,抱着学习这方面知识的期望,高考后选择进入一所以工科见长的高校学习。

在本科的四年里,我拼命折腾,参与过不少实践项目,也做过一些学生工作。在不断的碰壁中,我对信息科学和信息行业有了虽然初步但是切身的理解,也掌握了一定的技能,终于想明白了自己想要什么样的人生。虽然4年的本科生活击碎了之前幼稚的幻想,又给我带来了新的向往。除了挣扎着活下去之外,也想作为“知识群体”的一份子,为我所处在的社会、为哺育我成长的国家和人民,做点什么,来对得起我所占用的社会资源,特别是教育资源。

本科毕业之后,机缘巧合之下,得以去某高校继续深造。导师是一位受过严格数学教育的工程师,也是一位创造力极为丰富的学者。在他那里,我得以接触非常前沿的信息和学者群体,也几乎重学了全部数学基础和专业知识。研究生的日子里,我像一块海绵一样疯狂的吸收着所有与我的工作可能有关的事情,集智俱乐部就是在这时候,进入了我的生活。从那时开始,我就一直默默关注着集智推送的材料,从中受益良多。

研究生毕业之后,又是机缘巧合,得以继续深造。我之前所研究的问题还没有被完全解决,或者说我对于已经取得的结果非常不满意。这使得我在博士的工作中同时朝着更深和更广的知识海洋迈进,也使得我的阅读量相比于研究生阶段增加的更快。学校的学术写作课程、工作中的学术写作需要、以及大量英文材料的阅读,基本颠覆和重塑了我之前的知识体系,受制于中文世界的信息而搭建的知识体系。我不得不承认,我之前基于中文所理解的概念,基本都是不准确的;我之前的思维体系,基本都是不“清楚”的。为了应对我自己工作的挑战,我开始学习搭建我自己的维基,也试着参与公共编辑,也试图寻找一个社区,能向前辈学习,能和志同道合的同志们一起进步,能一起为后辈做点事情。在尝试了一些知识平台和社区之后,我认识到,那个我所想要的社区,并不容易找。最近几个月,集智连续推了好几期百科词条的文章。这些词条质量挺不错,内容也基本兼顾了广泛、深入、准确、通俗易懂。我猜想集智的百科社区,一定是个有追求也有活力的社区,于是就提交了申请,希望能作为一份子,工作之余,贡献自己的力量。

当下

我本身的科研工作和复杂性息息相关,只是我所处的领域(人不太多),还没有完全被归结进复杂性科学。具体来说,我目前在研究基于叠加形式(superposition form)的高维函数表示(representation)、逼近(approximation)、自确证计算(self-validated computation)。这项工作与柯尔莫哥洛夫叠加定理有关(Kolmogorov's Superposition Theorem, KST),也和稀疏网格有关(sparse grid),也和山脊函数有关(ridge function),也和传统的多项式逼近方法有关,当然也因此和当前最热门的神经网络有很深的关系。这项工作也能支撑其他的相关领域也包括方差分析(ANOVA)、参数估计(parameter estimation)、实验设计(experiment design)、优化(optimization)、鲁棒最优控制(robust optimal control)等等。其实因为它的基础性的功能,涉及到整个现代科学方法论:实验 - 统计 - 建模 - 参数估计 - 优化 - 制定策略(控制)。

除此之外我也在啃一些可能有用的数学工具,例如代数几何(一开始是Groebner basis,暂时还没涉及scheme,不过也是迟早的事)、计算几何(主要是Clifford Algera)。我的工作当然也包括实现(implementation),于是我涉猎了一点点计算机代数(computer algebra system)和底层实现,比如LLVM框架(长期来看,当然要以某种方法做进编译器里),毕竟这年头IPOPT调用都用CasADi,PSE建模求解经常都是用GAMS调库。

这项工作的研究背景,粗略的说,是"新的算术"。是的,我花了相当长的时间搞明白了算术的历史、哲学基础、和我们目前所处的位置。在工作的影响下,我目前也对哲学史、科学哲学、数学哲学、逻辑哲学、分析哲学、语言学、数学史、心理学、中文写作学、翻译学很感兴趣,有一定的阅读量。

我最近正在提高自己的写作能力,发现翻译就是很好的练习。

考虑过翻译SEP词条,但是工作量令我感到望而生畏,要是单枪匹马地做,我动力不足。我也考虑过写一些我所了解到的“前沿”信息(有些信息其实已经几十年了,但是鲜有中文材料),但是为了保证准确性,我同样需要付出相当的精力和时间。如果写作出来的成果,我没有地方可以发布,也没有前辈可以指点、没有同伴可以讨论,那么这样的写作对我来说是没有意义的。

实际上,随着我阅读量的暴增,我发现英文世界中有相当丰富又短小精悍的专业百科材料,例如斯普林格(Springer)出版的一些行业百科里面就有非常丰富的词条。回想自己懵懵懂懂刚入行的时候,笨拙试图理解百度和维基、笨拙的在知乎在stack exchange提问,如果那时候我知道有这样的资料可以查阅,我就能省很多无用功。

这样我最近就在试着从一些容易上手又容易完成并作出贡献的领域,翻译或者审校一些,与我专业相关的信息。

之后

欢迎、也希望能和大家交流。我目前了解比较深入的领域有:

  • 专业领域:
    • 最优控制
    • 全局优化
    • 自确证计算(self-validated computing)
  • 兴趣领域:
    • 数学史:史前算术 - 古美速不达米亚和古埃及算术 - 古希腊数学 - 伊斯兰数学 - (之后的阅读量还不够)
    • 语言学:历史语言学(古美索不达米亚、古埃及、古希腊)
    • 逻辑学:弗雷格 - 基本的数理逻辑
    • 哲学:和算术有关的本体论与知识论基础,以及相关思想和概念的历史
    • 心理学:荣格心理学

非常想要更深入了解的领域有:

  • 分析哲学和语言学:索绪尔 - 乔姆斯基 - 卡尔纳普 - Lakoff - 蒯因 - 普特南
  • 科学哲学和数学哲学:拉卡托斯 - 范弗拉森 - MacLane - Kitcher - Maddy - Shapiro - Resnik
  • 复杂性科学:重整化群 - 复杂性与网络科学