读数学之美有感

读数学之美有感

ID:24529833

大小:54.50 KB

页数:7页

时间:2018-11-15

读数学之美有感_第1页
读数学之美有感_第2页
读数学之美有感_第3页
读数学之美有感_第4页
读数学之美有感_第5页
资源描述:

《读数学之美有感》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、读数学之美有感  读数学之美有感(一)  大道至简  文/王宝龙  数学,是研究数量、结构、变化、空间以及信息等概念的一门学科。数学不仅是人类最早开创的自然学科,同时也是我们每个人学习最早、历时最长的知识。我们从牙牙学语时就开始学习数数,然后小学初中高中直到大学还在学习数学。作为一个数学困难户,至今尤对大学数学的考试心有余悸,真可谓是“数学虐我千百遍,我待数学如初恋”。前段时间网络上出现一个关于“高考取消数学”的调查,超过七成的网友投票赞成取消数学,大部分人认为除了数钱,平常根本用不到数学。那么数学真的是阳春白雪,与我们的日常生活完全无关,只能用来数钱吗?读完《数学之美》,你一定会有更多

2、的感触。  如果大家关注制造商,一定听说过罗永浩的锤子,锤子成立五年,虽然销量一般,但是每年的发布会都看点颇多,罗老师旁征博引妙语连珠也不失为一种乐趣。去年的发布会上,老罗展示了一项合作伙伴的黑科技——科大讯飞的语音输入法。老罗快速地说出一段话,话音刚落,讯飞输入法已将语音转化成了汉字显示在屏幕上,面对老罗的浓重东北口音,正确率100%,还有标点符号。演示现场,观众掌声雷动,第二天,科大讯飞的股票应声大涨。  那么如此神奇的语音识别是如何实现的呢?《数学之美》为我们提供了寻找答案的思路。首先对问题进行抽象,所谓语音识别,就是听话的人去猜测说话者要表达的意思,假设我们听到的声音是O1,O2

3、,O3......,我们如何推测说话者说出的单词S1,S2,S3......呢?用概率论的语言描述,就是在已知O1,O2,O3......的情况下,找出最大概率的单词串组合S1,S2,S3......。复杂的语音识别问题被抽象成了简单的概率问题,问题的答案也呼之欲出,随机数学中的隐含马尔可夫模型——马尔可夫链的升级版。最后,为了提高识别率,科学家利用大量语料进行训练,最终达成了前文所述的成就。  精炼的问题抽象+数学模型定义+结果优化,科学家们解决问题的方式是如此优美。现在,语音识别不仅应用在输入法中,SIRI、微软小娜、甚至一些家电、汽车上都有语音识别,语音识别已经彻底改变了我们的生活

4、。  除了语音识别问题,《数学之美》还介绍了多种互联网难题的数学背景。例如,通过统计模型解决中文分词问题;利用图论遍历问题构建互联网网络爬虫应用;根据网页链接数量得出网页权重进而归纳出PageRank(网页排名)算法,建立Google搜索引擎;利用信号处理学中去除噪音的方法来进行搜索引擎反作弊,等等。这些复杂问题的背后都有一个简单的数学模型,不由得让人感叹数学的魅力。  《数学之美》并没有一味地展示数学公式、推导过程,而是先给出一个计算机科学中的经典问题,介绍各个领域的典故,结合数学发展的历史和实际案例,谈古论今,解决问题的同时,系统地阐述背后的数学理论起源、发展及其作用,读起令人兴趣盎

5、然。看完本书,能让人感受到数学的魅力所在,数学对生活的精确表述、对逻辑的完美演绎成就了现代社会的美好生活。  以我粗浅的认识,数学至少有三美:  抽象美  人类语言多种多样,每种语言千变万化,包含复杂的单词、语法、惯用语等,我们学习一种外语都很困难,更不要说让电脑听懂语言、翻译语言。然而有了数学,有了信息论,却可以将复杂的语言抽象成简单的信息,利用统计模型对信息进行分析、处理,进而建立起自然语言处理系统,实现语音识别、机器翻译。数学如此高超的抽象能力让人叹为观止。  简洁美  爱因斯坦说过:“美在本质上终究是简单性。”数学语言本身就是最简洁的文字,许多复杂的客观现象,总结为一定的规律时,

6、往往呈现为十分简单的公式。进入互联网时代,知识成几何倍数增长,每天都会产生千百亿个网页,在Google之前,大部分搜索引擎公司采用人工分类、人工排序的方式开发搜索引擎,收录网页少,更新结果慢。而Google引入了机器搜索,它的核心算法非常简洁,PageRank(网页排名),根据网页中的链接进行民主排名,计算出所有网页的影响力,将排名最高的网页放在搜索结果的最前面。  统一美  一切客观事物都是相互联系的,因而作为反映客观事物的数学概念、数学定理、数学公式、数学法则也是互相联系的,在一定条件下可处于一个统一体之中。  2016年,阿尔法围棋(AlphaGo)横空出世,成为第一个战胜围棋世界

7、冠军的人工智能程序,AlphaGo由谷歌(Google)旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。AlphaGo通过两个不同的神经网络“大脑”合作来改进下棋模式。这些“大脑”是多层神经网络,跟Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始,去处理围棋棋盘的定位,就像图片分类器处理图片一样。“围棋大师”与图像识别殊途同归,果真是万物相通。  大道至简,其实不

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。