Monthly Archives: April 2008

一首老歌和一部老电影

《七匹狼》,上大学的时候不知道在哪个录像厅看的;反正哪个时候,电影院基本荒废了,满大街上都是那种LCD的投影录像,现在细数起来,刘德华,周星驰,成龙的许多经典电影都是在这样的一场2圆的循环放映中熟悉的。 能想起来来的,只有王杰的模糊的影子了; 想不到当年合唱的还有邰正宵,当年的金牌歌手现在不知道怎么样了   台湾电影《七匹狼》主题歌 作词:陈乐融 作曲:陈志远 演唱:王杰 张雨生 邰正霄 姚可桀 王:在天色破晓之前 我想要爬上山巅 仰望星辰 向时间企求永远 邰:当月光送走今夜 我想要越入海面 找寻起点 看誓言可会改变 姚:年轻的泪水不会白流 痛苦和骄傲这一生都要拥有 张:年轻的心灵还会颤抖 再大的风雨我和你也要向前冲 合:永远不回头 不管天有多高 忧伤和寂寞 感动和快乐  都在我心中 永远不回头  不管路有多长 黑暗试探我 烈火燃烧我 都要去接受 永远不回头 张:在天色破晓之前 我想要爬上山巅 仰望星辰 向时间企求永远 姚:当月光送走今夜 我想要越入海面 找寻起点 看誓言可会改变 邰:年轻的泪水不会白流 痛苦和骄傲这一生都要拥有 王:年轻的心灵还会颤抖 再大的风雨我和你也要向前冲 合:永远不回头 不管天有多高 忧伤和寂寞 感动和快乐 都在我心中 永远不回头 不管路有多长 黑暗试探我 烈火燃烧我 都要去接受 永远不回头 七匹狼内容介绍:《七匹狼》描写几位青年人生活的青春片,我很久没有听到这电影里的几首歌曲了。今天再次听到原声中那“永远不回头”的旋律,我又回到那十几年前的青春少年岁月。 黑鹰、骆驼和几朋友的感情事业生活就象在我面前重新演过一样,还有张雨生的那条狗。 青春岁月一帮好友走上不同的道路,有成明星的、有进黑社会的、有出走作水手的、还有去参军的,一切一切都是青春的记忆——永远不回头。 当年是看的录象带,不知道是多少水的带子颜色很深、发蓝,仿佛除了几个主演,其他人物和环境都是海洋一样,也许社会就是个大海洋找个理由对自己说话,这就是青春自由自在的天堂。喜欢疯狂是青春的标语。 如果你冷我将你拥入怀中,我的爱为你开启,青春有爱情相伴,那就是“我爱你”。 一帮朋友各走各路,却都还记得彼此是朋友,爱情、事业发生了变化,但友情长久坚守。 天空依然是天空,笑容依然是笑容。虽说永远不回头,但有时青春还会想“如果”,就算我们的爱不能改变什么。 当天色破晓之前,我想要爬上山巅仰望星辰,向世间乞求永远,永远不回头。 台湾十几年前的青春电影《七匹狼》,王杰、张雨生等人主演,你是否还记得? 剧情介绍: 骆世毫(骆驼)由于母亲的去世感到内疚而放弃了自己钟爱的歌唱事业,在一家汽车加油站工作。他自己也搬到了好友小邰家与小邰的女友方容住在一起。当方容得知小邰不会回来的消息后,心情一直不好,骆驼乘机经常安慰她,而方容也鼓励骆驼继续他的演唱事业。两人渐渐的彼此爱上了对方.在方容的安排下,骆驼的演唱会很成功,并且成为了一名唱片公司的签约歌手,事业如日中天。小茹一直深爱着浩子,可浩子告诉小茹自己并不爱她。看到小茹伤心的样子小鸡心里很难受。心情沮丧的小茹偶然发现小鸡才是真正关心她的人,小鸡成为了她的男朋友。浩子因无事可做,后来他成为了一名搏击场上打手。而飞车党的头目黑鹰也决定脱离飞车党和董婷结婚。浩子看到朋友们各自的成功自己黯然的离开了这座城市。

Posted in 娱乐 | 1 Comment

很烦,转篇文章灌篇冷水吧

很多做research的朋友喜欢top-down approach。就是说,在开始一个topic的时候,在第一时间就设定了大体的formulation,model又或者 methodology。至于选择哪种设定,往往取决于研究者本身的偏好,知识背景,或者对问题的第一反应。接下来的事情就顺理成章了,推导数学模型和相关公式以及算法步骤,然后设计程序进行实验。当然少不了再拉上几个相关工作,比较一番。如果自己的设计很幸运地有明显的 improvement,于是非常满意,开始写paper(在不少情况下,paper的理论部分甚至提前写好了)。可是,如果不work呢?通常大家会采取下面一些方法中的一种或者几种:    * 观察实验结果,猜想几个不work的原因,然后回头局部调整模型和算法;    * 换一下数据集,看看能不能work    * 祭起“终极法宝”——调参数,人工修改或者写脚本遍历,直到找到一组work的参数为止。不过,那些作为“绿叶”用的参照算法,通常是没有这种待遇了。无论如何,你总算把实验搞定了。但是,为什么work呢?除了几条曲线,你总得找一些“让人信服”的理由。在我所在的领域,有一些理由几乎是万能的,因而普遍出现在paper里面:    * 以前的算法,不考虑某某因素,而这个因素是很重要的,我的算法考虑了,所以效果更好    * 以前的算法,把某些因素分开考虑,但是它们实际上是相关联了,我的算法把它们结合在一起,体现了这种关联关系,所以更好    * 以前的算法是线性的,但是这个问题本身明显是非线性的,我这里用了非线性的方法,所以更符合实际。为了进一步解释清楚,画出一些二维或者三维的toy samples,显示出线性和非线性有“多么巨大的差别”    * 以前的方法用的是参数化模型(比如高斯分布),而现实世界明显不是这样子,我这里采用非参数化模型,能更准确地逼近实际分布    * 主流方法大都采用某某算法完成某个步骤,或者某某特征来描述某个方面,其实这个算法或者特征在这里不太适合,我换了一个更适合的或者更“先进”的。还有很多,不一而足。总体来说,就是增加了某方面的复杂性,推广了模型,或者把某些部分变得更加时髦,数学更深。正因为多了东西可以调节,只要花上足够时间去设定参数,还是有很大机会能找到一组能得到improvement的参数的。可是,这种improvement是不是真正有意义呢?是不是足够 significant,以至于所增加的复杂性是值得的呢?我们的世界总是无限复杂的,和无数的因素相关,这些因素又总是有某种联系。我们的前辈们留给我们的最好的方法,就是从问题中分离出最关键的要素,和最重要的关系,而非不断地增加价值不大的因素,建立意义不大的联系。 我并不是一个完全拒绝复杂,但是我个人觉得对复杂性的增长应该慎重。每增加一个要素,都应该是基于对问题的深入分析,而不是先入为主的设想和冠冕堂皇的理由。这不完全是知识能力的问题,更多的是一种治学态度——是不是愿意安心下来对问题本身进行深入细致的解剖,找出问题本身的关键所在,而不是脱离问题预先构想某种“漂亮”模型或者“巧妙”方法,并且通过上面所述的种种方法推销出去。研究是一种创新的过程,广拓思路是必须的。但是真正有价值的novelty应该是建立在对问题本身的深入理解,确实发现了别人忽略的关键因素,或者主流算法的真正不足,并且创造性地提出解决方法。这需要持之以恒的努力。真正经得起考验的学术价值,源于解决还没有被解决的问题,而不是使用了某种所谓别人没用过的“新颖”方法来解决本来已经解决的问题,又或者给模型加入某个要素来取得非实质性的性能改进。以为只要理论做得高深,模型设计得精巧,就是好的工作 absolutely wrong  

Posted in Uncategorized | 3 Comments