2019,弗洛伊德式跨年

2019年2月4日19点16分, 银河系猎户座旋臂上一个渺如如尘的蓝色星球, 在这个星球的北部, 北纬34度,东经112度, 一个处于生长中早期的中年智人, 坐在大理石地面的屋子里, 开始思考如何进行文字跨年. 毕竟, 似乎已经有很久没有说话, 或者说, 有很久没有通过眼睛和手来说话. 似乎有一句寓言说过, 上帝让人长了两只耳朵一张嘴, 就是让人少说多听, 可惜大多人还是喜欢说话, 毕竟一个听另一个人说话, 一方带动空气分子震动, 而另[…]

继续阅读 …

一路逆风

失落的一年. 2019年1月1日晨00:24. 2018年终于结束了. 回头看这一年. 似乎没有留下任何东西. 三十一岁的这一年. 终于陷入了传说中的人生倦怠期. 一段继续粘连的感情在2017年年末结束. 却给2018年留下了长达一年之久的茫然. 政治和经济形势的日益恶化. 就像2018年雾霾一样. 几乎弥散了一整年. 每天醒来拉开窗帘. 灰蒙蒙的天空, 压抑着活力和心情. 压抑着对未来的期许. 支持着自己前进的动力在这一年全面崩溃. […]

继续阅读 …

足与足

说起来人类确实是很奇怪的生物, 看地图的时候, 会感觉某些世界某些场景只存在于传说之路, 似乎永远也无法抵达, 抵达了之后, 又每每在兴高采烈之后安之若素. 这次日本之行可以说很圆满了, 完成好几件事情. 一个人独自在语言不通的异国他乡旅游. 终于在不尴不尬的跑完半马的两年后, 完成了人生的第一场马拉松. 在北海道滑了一次雪. 以及其他的一些新的体验. 其实我对于旅行这件事是没有什么兴趣的, 赶赴一个陌生的地方, 根据别人的推荐, 拍几[…]

继续阅读 …

最好的告别.

等到周围一切终于安静下来的时候, 脑海中回味着神雕侠侣中几句话. “我本来不为什么而来, 既然来过了, 也就该走了” “落叶聚还散, 寒鸦栖复惊, 相思相见知何日, 此时此该难为情” “横汾路, 寂寞当年萧鼓, 荒烟依旧平楚, 山鬼暗啼风雨, 未信与, 天也妨, 莺儿燕子俱黄土, 为留待骚人, 千秋万古, 来该燕丘处” 神雕侠侣是一本对我影响极深的书. 初二的时候,[…]

继续阅读 …

最后一个难题.

大约七八岁的时候, 不知是哪部科幻电影的触发, 我开始思考起时空穿越的问题. 我想象在某一个时空中, 有两个自己同时存在, 甚至面对面谈笑说话, 这种想象让我觉得很奇妙, 似乎自己可以借机遁出自己的肉身, 以一个未来版本的心智来重新感触世界. 光想想象自己一个新的躯壳中, 似乎中就能改变自己的认知, 在这种想象之下, 身边熟悉的事物会重新变得鲜活起来. 这样说似乎有点抽象, 不过有另外一个经验说起来可能每个人都有所体验. 有时或者是被罚[…]

继续阅读 …

最美的一瞬

你相不相信每件最美的时光都只是一瞬. 我脑海中有时会莫名蹦出一句话, 看起来很有哲理那种, 上周朋友一起吃饭时详细讲解牛的四个反刍胃的生理构造. 人不会反刍食物, 但是会反刍思想. 脑子里蹦出来的句子应该就是很多年前记下的某句话, 突然被此刻的光线和气温激发, 某个词和某个词相撞, 某个神经元和某个神经元的两串数字向量发生矩阵运算, 然后一个新的向量产生了. 回到这句话, 仔细想想你会发现, 生活中能够记得的时刻是有限的. 高考前冲刺的[…]

继续阅读 …

错过的意义.

删微信好友. 很多年后, 也许人会疑惑为什么现在人会把这样一个集个人展示, 日常联系, 工作需要等等各种关系为一体的平台当成生活中最重要的东西. 去地铁转一圈, 从车厢的这头走到那头, 你会看到十个人里除去一个看种马小说的, 和刷脑残电视剧的, 剩下的人有三个正在微信中和人聊天, 有四个人正在翻看朋友圈, 加上一个最后正在的打开微信的. 十个人里面有八个人生活在微信里. 2013年6月的时候, 有人提到说当时微信的在线人数起码已不少于q[…]

继续阅读 …

Prml1.2 学习笔记–高斯噪声下的最大似然

本来说今天中午要写一prml,但是第一章快读完了,可是回头再一看最大后验概率,很多东西像没看一样,于是再抓起来做导图。   上次简略地提了下贝叶斯学派和频率学派的区别,接下来就细说一下这两派的不同的作法。 对于频率学派来说,既然把整个模型的参数看作固定的,那么要做的事情就是去估计这个参数,而一个非常常用的方法就是最大似然估计。 假设我们现在有一个曲线拟合问题,也就是说,我们有一堆相互对应的(x,t)(与书中符号一致,这里的目标[…]

继续阅读 …

Prml1.2学习笔记—似然函数

上节从最简单的随机变量扯到宇宙原理(汗)。今天接着上次扯。 关于均值,方差标准差什么的,没有什么好说的。 值得一提是书中提到的关于随机变量的变换, 在满足x=g(y)的情况下,概率密度函数存在着变量的代换,这里比较需要注意的变量代换的下标。 离散型与连续型随机变量的期望公式,也比较简单,但是需要注意边缘分布与联合分布下的对某一随机变量的期望求解。 特别是条件分布的条件期望: 关于条件期望的形式,非常容易出错,貌似之前我经常写错f(x)的[…]

继续阅读 …