學(xué)科前沿講座心得2篇
當(dāng)我們經(jīng)過(guò)反思，有了新的啟發(fā)時(shí)，有這樣的時(shí)機(jī)，要好好記錄下來(lái)，如此可以一直更新迭代自己的想法。那么寫(xiě)心得體會(huì)要注意的內(nèi)容有什么呢？以下是小編為大家整理的學(xué)科前沿講座心得，希望對(duì)大家有所幫助。
學(xué)科前沿講座心得1
聽(tīng)了幾位老師所講的學(xué)科先沿講座，我的感想頗多。尤其是對(duì)林林老師的《智慧時(shí)代中的挑戰(zhàn)與機(jī)遇》頗有感觸。下面我談?wù)勛约和ㄟ^(guò)聽(tīng)講，查資料，經(jīng)過(guò)思考后對(duì)這一問(wèn)題的理解。當(dāng)今的信息新技術(shù)主要包括這么幾類(lèi)，即新息安全新技術(shù)：主要包括密碼技術(shù)、入侵檢測(cè)系統(tǒng)、信息隱藏技術(shù)、身份認(rèn)證技術(shù)、數(shù)據(jù)庫(kù)安全技術(shù)、網(wǎng)絡(luò)容災(zāi)和災(zāi)難恢復(fù)、網(wǎng)絡(luò)安全設(shè)計(jì)等。信息化新技術(shù)：信息化新技術(shù)主要涉及電子政務(wù)、電子商務(wù)、城市信息化、企業(yè)信息化、農(nóng)業(yè)信息化、服務(wù)業(yè)信息化等。軟件新技術(shù)：軟件新技術(shù)主要關(guān)注嵌入式計(jì)算與嵌入式軟件、基于構(gòu)件的軟件開(kāi)發(fā)方法、中間件技術(shù)、數(shù)據(jù)中心的建設(shè)、可信網(wǎng)絡(luò)計(jì)算平臺(tái)、軟件架構(gòu)設(shè)計(jì)、soa與ria技術(shù)、軟件產(chǎn)品線技術(shù)等。網(wǎng)絡(luò)新技術(shù)：網(wǎng)絡(luò)新技術(shù)包括寬帶無(wú)線與移動(dòng)通信、光通信與智能光網(wǎng)絡(luò)、家庭網(wǎng)絡(luò)與智能終端、寬帶多媒體網(wǎng)絡(luò)、ipv6與下一代網(wǎng)絡(luò)、分布式系統(tǒng)等。計(jì)算機(jī)新技術(shù)：計(jì)算機(jī)新技術(shù)主要關(guān)注網(wǎng)格計(jì)算、人機(jī)接口、高性能計(jì)算和高性能服務(wù)器、智能計(jì)算、磁存儲(chǔ)技術(shù)、光存儲(chǔ)技術(shù)、中文信息處理與智能人機(jī)交互、數(shù)字媒體與內(nèi)容管理、音視頻編/解碼技術(shù)等。
大膽的預(yù)測(cè)一下計(jì)算機(jī)技術(shù)往下怎么發(fā)展，因?yàn)樾蝿?shì)明白了，歷史規(guī)律搞清楚了，需求也明白了，該怎么做呢？我大膽做這么一個(gè)發(fā)言，中國(guó)計(jì)算機(jī)界必須把握機(jī)遇迎接挑戰(zhàn)�？匆幌绿幚砥鞣矫嬖撛趺醋�，上個(gè)世紀(jì)我們關(guān)心的是每秒種可以完成多少指令，處理的速度。后來(lái)發(fā)現(xiàn)不對(duì)，應(yīng)該做高性能的處理器，每花掉一塊錢(qián)可以處理多少能力，重要的是功耗要低，然后是無(wú)線，是互聯(lián)，我們更關(guān)心消耗每瓦功率處理能力是多少，大家關(guān)心的點(diǎn)開(kāi)始轉(zhuǎn)移，從每秒處理能力，關(guān)心到每塊買(mǎi)到多少處理能力，到最后消耗每瓦功耗有多少能力。在處理結(jié)構(gòu)上面有什么變化，從上世紀(jì)70年代左右，人圍著計(jì)算機(jī)轉(zhuǎn)，每個(gè)單位只要很好就有一個(gè)漂亮的機(jī)房，大家圍著機(jī)房轉(zhuǎn)，算題是通過(guò)一個(gè)小窗口把題遞進(jìn)去，過(guò)一段時(shí)間里面算好，把題遞出來(lái)。那時(shí)候一切圍繞cpu轉(zhuǎn)，所以那時(shí)候cpu當(dāng)之無(wú)愧，我的處理器是中心所以叫cpu。再往下可以看到計(jì)算機(jī)圍著人轉(zhuǎn)，我們口袋里的手表等一切一切，人走到哪里，計(jì)算裝備圍著我來(lái)轉(zhuǎn)，在機(jī)器內(nèi)部不是圍著cpu轉(zhuǎn)，而是圍著存儲(chǔ)期，i/o，通道轉(zhuǎn)，因此不能光搞cpu，比如出現(xiàn)pim等新的名稱，所以我們應(yīng)該與時(shí)俱進(jìn)。從cpu，c要改成無(wú)處不在的處理單元。
網(wǎng)絡(luò)將怎么發(fā)展，我們?cè)谏蟼�(gè)世紀(jì)70年代所關(guān)心的就是互聯(lián)互通互操作，在這兒不是講互聯(lián)互通互操作不重要，它是一個(gè)基礎(chǔ)絕對(duì)重要，關(guān)心這個(gè)是數(shù)據(jù)和控制信號(hào)的傳遞，數(shù)據(jù)和控制信號(hào)可以傳過(guò)去。做了一些日子以后發(fā)現(xiàn)，需求不僅僅是這個(gè)，我們要提高網(wǎng)絡(luò)的帶寬，我們關(guān)心是信息溝通和處理能力的增強(qiáng)，光把信號(hào)傳過(guò)去是不是可以處理好呢？再往下又是怎樣的？我們應(yīng)該關(guān)心網(wǎng)上有這些信息，有這么多人用，是動(dòng)態(tài)的變化，所以我們要關(guān)心信息融合、信息確認(rèn)等。要把消息傳給該給的人，該給的時(shí)間，該給的地方，該給的人，傳正確的東西，這個(gè)變化不承認(rèn)不行的，以往包括我個(gè)人在內(nèi)，我和我同事們宣揚(yáng)，看我家里環(huán)境，辦公室環(huán)境，我計(jì)算機(jī)有多少能力聯(lián)網(wǎng)，這已經(jīng)過(guò)去了。下面關(guān)心的是這個(gè)網(wǎng)絡(luò)具有多少計(jì)算個(gè)算計(jì)的能力，算計(jì)要做推理更難，再往下要面對(duì)什么問(wèn)題？我的網(wǎng)絡(luò)環(huán)境怎么樣有非常強(qiáng)的資源按需聚合，人機(jī)協(xié)同工作的協(xié)調(diào)能力，體系結(jié)構(gòu)將怎么發(fā)展，70年代的時(shí)候，大家做體系結(jié)構(gòu)設(shè)計(jì)，費(fèi)勁腦筋是在計(jì)算機(jī)內(nèi)挖掘可能的潛力，處理可能的矛盾，搞體系結(jié)構(gòu)的人，什么是好的所長(zhǎng)，廠長(zhǎng)，它的學(xué)問(wèn)是處理輕重緩急，這件事應(yīng)該放得下，哪件事應(yīng)該要處理，所以好的應(yīng)該處理刪、增、減、抑、揚(yáng)，在這種情況下發(fā)現(xiàn)，我們?cè)O(shè)計(jì)在機(jī)群中挖掘和平衡，我們要在網(wǎng)絡(luò)環(huán)境下怎么做挖掘和平衡，因?yàn)橄到y(tǒng)給人用的，機(jī)器的環(huán)境，是給銷(xiāo)售人員，管理者用的，所以把協(xié)同工作做好，就要驗(yàn)證，所以從hpcs變成hpce，我們需要的不是高性能，需要的是生產(chǎn)力可用性，中國(guó)科學(xué)家預(yù)感比較早，因此1997年再一次會(huì)上，就決定當(dāng)前做clieitserver，之后做cluster，之后做networking，之后是vse，基于網(wǎng)絡(luò)的`虛擬服務(wù)含量是未來(lái)體系結(jié)構(gòu)的發(fā)展方向。這是1997年8月25號(hào)，到1998年的時(shí)候，世界有名的計(jì)算機(jī)科學(xué)家isea發(fā)表了grid專著，我們要把grid定位了，而是要考慮你究竟想干什么？我們做一個(gè)好的系統(tǒng)，必須要看到定位準(zhǔn)確，你在這個(gè)坐標(biāo)上關(guān)于服務(wù)，你是要做計(jì)算服務(wù)，還是數(shù)據(jù)服務(wù)，還是應(yīng)用服務(wù)，還是信息服務(wù)，還是知識(shí)服務(wù)，還是實(shí)用的服務(wù)。如果明確了你的目標(biāo)，你的技術(shù)就明確，你的評(píng)價(jià)指標(biāo)就明確了。如果要做信息服務(wù)，你就要了解你處的信息是多大一塊，這件事很重要，不能殺雞用牛刀，也不能殺牛用雞刀，如果系統(tǒng)力度大小這么大，最后生產(chǎn)的問(wèn)題，究竟打算怎么交帳，是向投錢(qián)的單位交一個(gè)概念的設(shè)計(jì)，不是不可以的，還是交一個(gè)機(jī)理的設(shè)計(jì)，還是規(guī)則的設(shè)計(jì)，還是方法的設(shè)計(jì)，如果明確了，你的技術(shù)方案就明確了，你的機(jī)理就明確了，如果選定的方法層，你系統(tǒng)就要定位在這里，位置定對(duì)就滿足正確的需求。
學(xué)科前沿講座心得2
機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘這些年一直是計(jì)算機(jī)應(yīng)用方面研究的重點(diǎn)和熱點(diǎn)，首先要了解什么是數(shù)據(jù)挖掘，簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或"挖掘"知識(shí)。我一直對(duì)這方面的知識(shí)頗感興趣，這學(xué)期學(xué)院開(kāi)設(shè)的學(xué)術(shù)前沿講座的課程，很有幸聽(tīng)到了文益民教授對(duì)于自己在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方面研究的講座，讓我對(duì)這些知識(shí)有了深入淺出的理解，受益匪淺。
12月5號(hào)，文益民教授做了題為“大規(guī)模數(shù)據(jù)的分類(lèi)”的講座，在講座的最開(kāi)始，文教授提到了戈登·德萊頓《學(xué)習(xí)的革命》一書(shū)，皆在指導(dǎo)我們?nèi)绾畏e累知識(shí)如何思考如何學(xué)習(xí)如何去做研究，具有拋磚引玉的指導(dǎo)意義。在這之后，又對(duì)了解機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘首先要了解的知識(shí)做了簡(jiǎn)要的說(shuō)明，比如對(duì)于問(wèn)題的分類(lèi)是分為線性問(wèn)題和非線性問(wèn)題；比如聚類(lèi)的含義是將物理或抽象對(duì)象的集合分成由類(lèi)似的對(duì)象組成的多個(gè)類(lèi)的過(guò)程；比如對(duì)于這個(gè)世界上計(jì)算機(jī)的分類(lèi)可以只分成工人（maker）和思考者（thinker）兩類(lèi)。至此正式進(jìn)入問(wèn)題的討論。
對(duì)于這次講座，文教授從四個(gè)方面進(jìn)行了講授。第一，實(shí)際應(yīng)用中的大規(guī)模數(shù)據(jù)分類(lèi)問(wèn)題。第二，大規(guī)模數(shù)據(jù)給機(jī)器學(xué)習(xí)帶來(lái)的挑戰(zhàn)。第三，大規(guī)模數(shù)據(jù)分類(lèi)算法的研究。第四，展望發(fā)展前景。文教授主要是在第三點(diǎn)中做了很多工作也取得了可喜的成績(jī)。
在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中，大規(guī)模數(shù)據(jù)分類(lèi)問(wèn)題一般會(huì)應(yīng)用在以下幾個(gè)方面，在高速高精度的工業(yè)圖像檢測(cè)方面，在專利分類(lèi)方面，在生物信息數(shù)據(jù)快速增長(zhǎng)方面，在支持向量機(jī)參數(shù)選擇方面。
大規(guī)模數(shù)據(jù)給機(jī)器學(xué)習(xí)帶來(lái)的問(wèn)題有：
1、算法一般不是收斂太慢就是難以收斂，訓(xùn)練時(shí)間過(guò)長(zhǎng)。
2、海量數(shù)據(jù)無(wú)法一次裝入內(nèi)存。
3、算法可靠性得不到保證。
4、已經(jīng)訓(xùn)練好的學(xué)習(xí)器遇到心得訓(xùn)練樣本時(shí)需要重新訓(xùn)練。
在最重要的部分，文教授提到了幾個(gè)重要的研究方法，包括算法，這里面包含有：1、基于并行計(jì)算的算法，2、以并行計(jì)算方法求解工作集方法中每個(gè)迭代步中二次規(guī)劃的子問(wèn)題，3、meta-learning，最小最大模塊化支持向量機(jī)以及快速模塊化支持向量機(jī)，4、cluster-svm，cluster-based-svm，cascade-svm。文教授在第三和第四點(diǎn)中都有自己的工作和貢獻(xiàn)，在第三點(diǎn)中，他提出了分類(lèi)面拼接算法，在第四點(diǎn)中，提出了分層并行支持向量機(jī)訓(xùn)練算法。對(duì)于分類(lèi)面拼接算法我進(jìn)行了比較仔細(xì)的了解，并下載閱讀了文教授于20xx年3月份在湖南大學(xué)學(xué)報(bào)上發(fā)表的論文“基于分類(lèi)面的快速模塊化支持向量機(jī)研究”，對(duì)于分類(lèi)面拼接算法有了初步的研究，下面說(shuō)說(shuō)我對(duì)這個(gè)算法的理解。
信息采集和信息處理技術(shù)的快速發(fā)展導(dǎo)致了諸如公共健康數(shù)據(jù)、信用交易數(shù)據(jù)、國(guó)家經(jīng)濟(jì)普查數(shù)據(jù)、網(wǎng)絡(luò)文本數(shù)據(jù)和地理信息數(shù)據(jù)等大規(guī)模數(shù)據(jù)集的產(chǎn)生。由于訓(xùn)練時(shí)間很長(zhǎng)和空間需求很大，現(xiàn)有的大多數(shù)機(jī)器學(xué)習(xí)算法很難被直接用于大規(guī)模數(shù)據(jù)的機(jī)器學(xué)習(xí)。
這個(gè)算法是針對(duì)大多數(shù)現(xiàn)有的機(jī)器學(xué)習(xí)算法處理大規(guī)模問(wèn)題時(shí)需要的訓(xùn)練時(shí)間很長(zhǎng)和存儲(chǔ)空間很大的難點(diǎn)而提出的，英文名是psfnrsvms，
在訓(xùn)練階段，psfm2svms采用一簇平行超平面對(duì)大規(guī)模問(wèn)題實(shí)施軟劃分，然后針對(duì)每個(gè)子問(wèn)題并行訓(xùn)練支持向量機(jī)。在測(cè)試階段，測(cè)試樣本坐落于哪個(gè)子問(wèn)題所在空間中，就由該子問(wèn)題訓(xùn)練的支持向量機(jī)給出判別結(jié)果。在4個(gè)大規(guī)模問(wèn)題上的實(shí)驗(yàn)表明:與采取硬劃分的快速模塊化支持向量機(jī)(fm2svms)相比，軟劃分能夠使psfm2svms得到更加光滑的分類(lèi)面，因而ps2fm2svms的泛化能力較高。在不增加訓(xùn)練時(shí)間的條件下，psfm2svms減少了由于訓(xùn)練集分割導(dǎo)致的分類(lèi)器泛化能力下降。
支持向量機(jī)方法的本質(zhì)是在訓(xùn)練集的一個(gè)高維像空間中尋找最大間隔分類(lèi)超平面，這個(gè)分類(lèi)超平面對(duì)應(yīng)于訓(xùn)練集所在空間的一個(gè)光滑曲面。如果采用訓(xùn)練集分割的方法，將這個(gè)光滑曲面分段求出，然后進(jìn)行連接，就可以得到這個(gè)光滑曲面的近似曲面。
【學(xué)科前沿講座心得2篇】相關(guān)文章：
講座心得體會(huì)04-07
大學(xué)講座心得體會(huì)04-11
論文講座心得體會(huì)02-18
講座心得體會(huì)15篇04-19
心理健康講座心得體會(huì)04-21
企業(yè)管理講座的心得體會(huì)09-06