书河书屋 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!

“请两位选手思考分钟的时间。”

很快,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……递归神经络是具有树状阶层结构且络节点按其连接顺序对输入信息进行递归的人工神经络,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,“hfild络我听说过,但什么叫络稳定『性』?”

这位提问者笑了笑:“如果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,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hfild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hfild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/>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-/>部分的数据逐个发放,此时传输数据的值r=k1-/>……”

“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。”

书河书屋推荐阅读:天选:专注于刀术的我只叠被动梦魇猎手星际雌性,抚慰力最强末日女神团末世:组队就变强我统领万千女神末世作为三系强者我渣一点怎地!末日:开局晶核爆率翻倍末世:姐靠0元购拐走满级大佬重生灾难降临前:投资女帝!火影:我的目标是纲手雾野末世:囤货百亿,开局万倍返还末世:从照顾邻妻开始快穿万人迷:恶毒女配撩疯了火影:不是天才的我该怎么办末世!美人聚宝盆,万倍返还物资快穿许愿系统天降红包群后我在年代暴富了蛮荒小龙女末世之怡然自乐末日神医迷你历史我说了算全球进化:我有进化模拟器江山令快穿之炮灰也不是好惹的港影枭雄末世:别人囤物资,我直接建城末世重生:从负债累累到百亿物资末日杀怪系统神级送葬:缔造神秘的过往搬空全球物资,末世真千金赢麻了末世:开局收走全球最大港口物资我只是想找个班上末世之天降红包群末世废土?不,那是我的菜园子废土拾荒,我觉醒了空间异能誓不为妻:全球豪娶少夫人重生冰封末世前,狂屯百亿物资超级红包快穿:黑化男神,要抱抱末日:没有人比我更懂魔物娘养殖重生末世,开局契约青丘狐仙!重生螳螂,从种田开始崛起天门火影之我和金色闪光同期神的礼物之洁癖少爷人在技校,造了核聚变上交国家!我在奥特编造剧本斗破之武动大主宰快穿:墨冉倾城,暝暝颜殇
书河书屋搜藏榜:我就一路人甲,你们喊我神明干嘛废土战尊:崛起我的副本全球流行天降红包群后我在年代暴富了蓝月降临蛮荒小龙女末世之怡然自乐站在食物链顶端的男人末日神医迷你历史我说了算灵魂杀机奇幻赛博:机械死亡领主梦魇猎手全球进化:我有进化模拟器异世之紫微江山令携千亿物资在末世养四个反派崽崽天龙不败炼器狂潮快穿之炮灰也不是好惹的黑暗时代末世:组队就变强我统领万千女神我是实验动物饲养员重生左唯世界online无限从饕餮开始武道神化追寻能量的零位格影视世界暂住者我能强化丧尸港影枭雄天国游戏快穿BOSS又表白了末世:别人囤物资,我直接建城崇祯有家店玄龙仙侠录天灾收容所末世重生:从负债累累到百亿物资快穿之我的喵江湖唯一玩家我是寄生末日杀怪系统未来之撩夫记地球纪元星空之子,拥有SSS级熊猫宝宝神级送葬:缔造神秘的过往网游幻灵龙魂重生系统怎么一不小心就成了大佬?
书河书屋最新小说:这个主角有点厉害末世重生之渎神末世世界,我获得了无限复制系统末世:开局神级天赋系统我在末世收女明星星际未来之梦废土求生,正在拾荒的路上,勿扰我在末世疯狂杀,报仇囤资狠虐渣末日:嘴强王者,杀穿一切!末世重生之要活着烧纸盆成精:末世诡王诱我入怀天灾末世:兵王他的极致宠爱异能迷雾之异世大陆异能迷雾之混沌危机未来星际我的科技超神亿倍穿越未来之迷超能晶石风云:机甲战纪末世打造最强基地末世:丧尸能进化,但我会修仙问界l丧尸们快升级你们太不经打了我在末世有安全屋重生:遭全球猎杀,我反手杀穿末末日旅途之末日大巴失落的遗迹探险宇宙织思维度低语的解读者神秘世界的危机与发现末日:这些女神都想吃了我我眼中的宇宙世界无限烘炉记远星录废土战尊:崛起无限末世:开局掠夺丧尸词条和国家合作后,我靠神兽拯救末世重生末日刷剧爆奖励末日降临,我骗千亿大佬给我打工海洋求生我在木筏上打造世外桃源离职后,我的外卖爆火万千世界快穿:娇软美人躺平后攻心成功了末世来临前,我收编大佬上交国家恶女快穿:绝嗣男主被钓成翘嘴了穿成星际唯一人类,各路大佬疯抢小人鱼觉醒木系异能,种地买星球预知未来:我从极寒归来末世,我月丑,英灵无数星空联盟物语末世求生之丧尸降临星际迷雾:银河边缘的危机末世短文