如何做算法研究

发布网友 发布时间：2022-03-29 08:15

我来回答

共6个回答

热心网友 时间：2022-03-29 09:44

“人工智能研究人员最大的惊喜是，他们必须建立一个系统，在缺乏证据的基础上得出结论”

所以，学习算法最重要是理解：要理解何为算法，何为人工智能!

第一步是认识到人的思维模式是不科学的。这是进化的结果，人类擅长于在几乎短时间内找到问题的快速和有效的解决方案。几乎我们每天做的每件事都是这样做。这就是我们使用我们的大脑。所以AI也是必然要这样处理，这就是所谓的“直观”的理解。

第二步是认识到理解需要能够知道“什么事”。什么是“相关的”，什么是“无关的”的情况。人工智能的核心未解决问题是找到一个问题领域独立的“显着性”的措施 - “要知道事情是否重要”。

第三步是通过考虑认识论的局限性，认识到AI领域中大多数问题的答案可以修剪到一个可管理的大小。作为认识论中的一个陈述的例子，考虑“你只能学习你已经几乎知道的东西”。帕特里克·温斯顿（MIT Winston）教授在1980年左右表达的这个简单的事实形成了今天被称为“深度学习”（Deep Learning）的基础，这已经成为人工智能在过去20年来最大的进步。

至于书籍方面建议您查看一流大学入门课程的教材。特别要查看课程的教学大纲和教科书，看看他们教的是什么材料。（PS：知识真的是非常昂贵的）

以下是这些类的示例：

《人工智能：原理与技术》（Artificial Intelligence: Principles and Techniques）（斯坦福大学）
《伯克利人工智能材料》（Berkeley AI Materials）（伯克利大学）
《人工智能入门》（Introction to Artificial Intelligence）（美国密歇根州）
以上所有课程都参考了《人工智能：现代方法》（ Artificial Intelligence: A Modern Approach），而这本书也是被广泛认为是一本好书。最后，我强烈推荐阅读这本书籍。

从书本和课程中解决练习，然后尝试从现实世界中找出挑战，从中可以应用课程中的概念。

上面列出的课程和本书非常适合获得理论背景，并将它应用于现实生活中的挑战，我相信你是一个很好的方法。当多次解决现实生活中的问题时，对于给定的问题有一些特定的障碍。所以一开始就试着解决一些简单的玩具问题，然后用你的想象逐渐增加复杂性。

热心网友 时间：2022-03-29 11:02

算法是一个体系。为什么说研究算法的都是高学历高智商的人呢，就是因为搞算法不是一蹴而就的。
首先你不要心急，这东西真没有捷径。
我给你说说大概的步骤吧。
首先要学习数学，初等数学啦，高等数学啦，甚至说是概率，几何，代数，离散数学，数学分析，数学建模，这些都要多多少少的涉及。
这时候很多人就烦了，说搞算法，你让我学什么数学啊。
确实，你学完这些课，你还不能编自己的算法，但是这里面很多算法的思想非常重要，你没见过你就不会用，你就不会分析，所以这些课学好了都不行，还要学精。
再者就是做项目，结合项目来不断见识算法和思想。
我说说我用了几年吧，我大三开始好好学习的，两年时间完成了数学课程的学习，之后读研，三年时间主要是用本科学的数学课程来进行算法分析，编写算法。
研究生一毕业就去工作，直接找的算法工程师的工作，工作刚开始比较难，强度稍微大一点，不过好在有基础，所以大概一个月就上手了。
总之怎么研究算法，这东西不能一蹴而就，你要耐下心来学基础课程。
如果你还没考大学，你去考数学专业或者计算机专业或者金融专业。
如果你已经毕业了，可以考这几个方向的研究生。

热心网友 时间：2022-03-29 12:37

在计算机科学中，算法分析（英语：Analysis ofalgorithm）是分析执行一个给定算法需要消耗的计算资源数量（例如计算时间，存储器使用等）的过程。算法的效率或复杂度在理论上表示为一个函数。其定义域是输入数据的长度（通常考虑任意大的输入，没有上界），值域通常是执行步骤数量（时间复杂度）或者存储器位置数量（空间复杂度）。算法分析是计算复杂度理论的重要组成部分。 理论分析常常利用渐近分析估计一个算法的复杂度，并使用大O符号、大Ω符号和大Θ符号作为标记。举例，二分查找所需的执行步骤数量与查找列表的长度之对数成正比，记为，简称为“对数时间”。通常使用渐近分析的原因是，同一算法的不同具体实现的效率可能有差别。但是，对于任何给定的算法，所有符合其设计者意图的实现，它们之间的性能差异应当仅仅是一个系数。 精确分析算法的效率有时也是可行的，但这样的分析通常需要一些与具体实现相关的假设，称为计算模型。计算模型可以用抽象机器来定义，比如图灵机。或者可以假设某些基本操作在单位时间内可完成。 假设二分查找的目标列表总共有 n 个元素。如果我们假设单次查找可以在一个时间单位内完成，那么至多只需要单位的时间就可以得到结果。这样的分析在有些场合非常重要。 算法分析在实际工作中是非常重要的，因为使用低效率的算法会显著降低系统性能。在对运行时间要求极高的场合，耗时太长的算法得到的结果可能是过期或者无用的。低效率算法也会大量消耗计算资源。

热心网友 时间：2022-03-29 14:28

算法研究的步骤

1. 决定一个完整和具体问题陈述，包括确定问题和API固有的基本抽象操作；

Decide on a complete and specific problem statement, including identifying fundamental abstract operations that are intrinsic to the problem and an API.

2. 仔细为一个简单的算法开发一个简明的实现，使用静心设计的开发客户端和真实的输入数据。

Carefully devlelop a succinct implementation for a straightforward algorithm, using a well-though-out development client and realistic input data.

3. 要知道当一个实现不能用于解决按照设想规模的问题，这个实现必须被优化或者被抛弃；

Know when an implementation could not possibly be used to solve problems on the scale contemplated and must be improved or abandoned.

4. 通过逐步提取的过程开发优化实现，通过实证分析，数学分析验证那个优化想法的功效。

Develop improved implementations through a process of stepwise refinement, validating the efficacy of ideas for improvement through empirical analysis, mathematical analysis, or both.

5. 在操作中查找数据结构或算法的高水平数据结构抽象实现，能够有效的改进高水平的设计版本

Find high-level abstract representations of data structures or algorithms in operation that enable effective high-level design of improved versions.

6. 尽可能争取最坏的性能保证，但在可用的典型数据上接受良好的性能.

Strive for worst-case performance guarantees when possible, but accept good performance on typical data when available.

7. 知道什么时候留给研究人员进一步优化，然后移到下一个问题。

Know when to leave further improvement for detailded in-depth study to skilled researchers and move on to fthe next problem.

热心网友 时间：2022-03-29 16:36

一、DSP与TI

为什么提到电机控制很多人首先会联想到DSP？而谈到DSP控制总绕不过TI，首先DSP芯片是一种具有特殊结构的微处理器。该芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，提供特殊的指令，可以用来快速地实现各种数字信号处理算法。基于DSP芯片构成的控制系统事实上是一个单片系统，因此整个控制所需的各种功能都可由DSP芯片来实现。因此，可以减小目标系统的体积，减少外部元件的个数，增加系统的可靠性。优点是稳定性好、精度高、处理速度快，目前在变频器、伺服行业有大量使用。主流的DSP厂家有美国德州仪器（Texas Instruments，TI）、ADI、motorola、杰尔等其他厂商，其中TI的TMS320系列以数字控制和运动控制为主，以价格低廉、简单易用、功能强大很是受欢迎。

二、常见的电机控制算法及研究方法

1、电机控制按工作电源种类划分：可分为直流电机和交流电机。按结构和工作原理可划分：可分为直流电动机、异步电动机、同步电动机。不同的电机所采用的驱动方式也是不相同的，这次主要介绍伺服电机，伺服主要靠脉冲来定位，伺服电机接收到1个脉冲，就会旋转1个脉冲对应的角度，从而实现位移，因此，伺服电机本身具备发出脉冲的功能，所以伺服电机每旋转一个角度，都会发出对应数量的脉冲，同时又与伺服电机接受的脉冲形成了呼应，或者叫闭环，进而很精确的控制电机的转动，从而实现精确的定位，可以达到0.001mm。伺服电机相比较普通电机优势在于控制精度、低频扭矩，过载能力，响应速度等方面，所以被广泛使用于机器人，数控机床，注塑，纺织等行业
三、PWM控制及测试结果

脉冲宽度调制是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术，广泛应用在从测量、通信到功率控制与变换的许多领域中，脉冲宽度调制是一种模拟控制方式，其根据相应载荷的变化来调制晶体管基极或MOS管栅极的偏置，来实现晶体管或MOS管导通时间的改变，从而实现开关稳压电源输出的改变

热心网友 时间：2022-03-29 19:01

算法这个词语包含的内容太宽泛了，数据结构中的那些算法叫做算法，机器学习里面的算法也叫做算法。

学数据结构的时候，如果是在各种 OJ 上面刷题，感觉就是在做数学题啊，只不过把用笔计算换成了用计算机来解决问题。学机器学习的时候，每次看到一个新算法，都感觉是在看一篇数学证明或者数学解释。整体来看，计算机学科里面的算法做到后面都基本上是在研究数学，只不过用计算机高效地实现了这个方案或者算法。

数学里面也有研究算法的领域，无论是计算数学，还是集合论，离散数学，组合数学等学科，都有很多算法方面的内容。这两个方向并不是完全割裂的，而是相辅相成的。计算机算法需要数学的理论支持，数学的落地实践也离不开计算机。