【正文】 絡(luò)的其他主要障礙還有版權(quán)問(wèn)題、網(wǎng)絡(luò)帶寬問(wèn)題、管理問(wèn)題和安全問(wèn)題等。如何連接電話、手機(jī)和家電、工業(yè)設(shè)備 等，也是對(duì)等網(wǎng)絡(luò)需要解決的問(wèn)題。國(guó)內(nèi)對(duì)等網(wǎng)絡(luò)市場(chǎng)從 2021 年開(kāi)始啟動(dòng)。國(guó)內(nèi)的應(yīng)用主要有2 個(gè)方向 :文件共享及協(xié)同工作。在文件共享方面，國(guó)內(nèi)已經(jīng)有多家公司推出了自己的產(chǎn)品，目前主要的中文對(duì)等網(wǎng)絡(luò)軟件有 Workslink、Ezpeer、 Jelawat、 Kuro 和 Toperson 等，還有 PASP_Eschool 實(shí)時(shí)交互多媒體在線課堂教學(xué)軟件。在未來(lái)，企業(yè)對(duì)等網(wǎng)絡(luò)應(yīng)用將是熱點(diǎn)，主要將解決企業(yè)內(nèi)部事務(wù)處理的協(xié)同、企業(yè)門(mén)戶、企業(yè)虛擬專(zhuān)網(wǎng)（ VPN）、遠(yuǎn)程互動(dòng)和寬帶應(yīng)用等。國(guó)內(nèi)基于對(duì)等網(wǎng)絡(luò)技術(shù)的企業(yè)應(yīng)用產(chǎn)品有KMServer 中小企業(yè)知識(shí)管理軟件等。云計(jì)算（ cloudputing）是基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交付模式，通常涉及通過(guò)互聯(lián)網(wǎng)來(lái)提供動(dòng)態(tài)易擴(kuò)展且經(jīng)常是虛擬化的資源。云是網(wǎng)絡(luò)、互聯(lián)網(wǎng)的一種比喻說(shuō)法。過(guò)去在圖中往往用云來(lái)表示電信網(wǎng)，后來(lái)也用來(lái)表示互聯(lián)網(wǎng)和底層基礎(chǔ)設(shè)施的抽象。狹義云計(jì)算指 IT 基礎(chǔ)設(shè)施的交付和使用模式，指通過(guò)網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲得所需資源；廣義云計(jì)算指服務(wù)的交付和使用模式，指通過(guò)網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲得所需服務(wù)。這種服務(wù)可以是 IT和軟件、互聯(lián)網(wǎng)相關(guān)， 也可是其他服務(wù)。它意味著計(jì) 算能力也可作為一種商品通過(guò)互聯(lián)網(wǎng)進(jìn)行流通。 這學(xué)期學(xué)院開(kāi)設(shè)的前沿講座的課程，很有幸聽(tīng)到了張晨曦教授對(duì)于自己在計(jì)算機(jī)前沿方面研究的講座，讓我對(duì)這些知識(shí)有了深入淺出的理解，受益匪淺。 3 月 24 號(hào)，張晨曦教授在講座的最開(kāi)始，對(duì)計(jì)算機(jī)前沿的知識(shí)做了簡(jiǎn)要的說(shuō)明，然后張教授從對(duì)等網(wǎng)絡(luò)、 SOA 簡(jiǎn)介、超級(jí)計(jì)算機(jī)、超級(jí)計(jì)算、云計(jì)算等幾個(gè)方面進(jìn)行了講授。由于時(shí)間短暫，打算介紹大量的專(zhuān)業(yè)的知識(shí)是不太現(xiàn)實(shí)的。張教授授課的過(guò)程中都考慮到了時(shí)間限制以及我們有限的知識(shí)水平，從大處著眼，為我們大概介紹他們研究方向和內(nèi)容，同 時(shí)還會(huì)簡(jiǎn)單向我們介紹這些研究將來(lái)的實(shí)際意義，以及和我們軟件工程專(zhuān)業(yè)的聯(lián)系?？偟膩?lái)說(shuō)，也許理論上邏輯上的很專(zhuān)業(yè)的知識(shí)，我們并沒(méi)有學(xué)到多少，但張教授利用緊張的時(shí)間，就基本上將一個(gè)新的領(lǐng)域在我們的腦海中勾勒了出來(lái)，使我們這些死啃書(shū)本的學(xué)生也有機(jī)會(huì)現(xiàn)實(shí)了一把，真正了解到與生活有直接聯(lián)系的科學(xué)研究。 張教授不僅在學(xué)術(shù)領(lǐng)域給我們打開(kāi)了新的窗戶，使我們眼前一亮，也為我們介紹他們?cè)诠ぷ鲗W(xué)習(xí)中切身的體會(huì)及經(jīng)驗(yàn)，提前向我們預(yù)警就業(yè)道路及工作生涯可能遇到的問(wèn)題。計(jì)算機(jī)前沿類(lèi)講座旨在幫助大家了解相關(guān)領(lǐng)域的學(xué)科 前沿 知識(shí)，更好地學(xué)習(xí)、思考。張教授以自己的學(xué)識(shí)和閱歷向同學(xué)們展現(xiàn)了當(dāng)今 IT 業(yè)發(fā)展的現(xiàn)狀以及存在的問(wèn)題，引導(dǎo)同學(xué)們積極思考，使其收獲頗多。 這就是我的心得體會(huì)，聽(tīng)完這個(gè)課，我感到責(zé)任重大，即使是一個(gè)點(diǎn)，也還有很多方面值得拓展和探索，作為研究生，研究是我們主要的工作，想要取得滿意的結(jié)果和優(yōu)異的成績(jī)，我們所要做的就是倍加努力，汲取現(xiàn)有的知識(shí)，在新的領(lǐng)域開(kāi)拓新的研究道路，積極探索，永不止步。 第四篇：學(xué)科前沿講座心得 桂林電子科技大學(xué)學(xué)科前沿技術(shù)講座 心得體會(huì) 學(xué)號(hào)： 10203110 5 姓名：劉瑞 指導(dǎo)教師：王沖 專(zhuān)業(yè)名稱(chēng)：計(jì)算機(jī)應(yīng)用技術(shù) 所屬學(xué)院：計(jì)算機(jī)科學(xué)與工程學(xué)院 成績(jī)： 近年來(lái)，數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的極大關(guān)注，其主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用，包括商務(wù)管理，生產(chǎn)控制，市場(chǎng)分析，工程設(shè)計(jì)和科學(xué)探索等。 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(zhuān)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： 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)。 海量數(shù)據(jù)無(wú)法一次裝入內(nèi)存。 算法可靠性得不到保證。 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： 基于并行計(jì)算的算法， 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， Metalearning，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)， ClusterSVM， ClusterbasedSVM， CascadeSVM。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2021 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。 該算法使 用平行超平面簇對(duì)訓(xùn)練集實(shí)施軟劃分，使得拼接后的分類(lèi)面相比 fm2SVMs 得到的分類(lèi)面更光滑，更接近最優(yōu)分類(lèi)曲面。因而，psfm2SVMs 的泛化能力比 fm2SVMs 的泛化能力要高。在并行條件下，兩者的訓(xùn)練時(shí)間和測(cè)試時(shí)間相同。在多核計(jì)算技術(shù)快速發(fā)展的今天，本文提出的算法，提供了一種可行的并行機(jī)器學(xué)習(xí)框架，對(duì)于研制高速高精度的機(jī)器學(xué)習(xí)算法具有一定的借鑒意義。未來(lái)計(jì)劃研究隨機(jī)向量 w的方向?qū)?psfm2SVMs 泛化能力的影響，并將 該算法用于高速高精度工業(yè)圖像檢測(cè)。 這就是我的心得體會(huì)，在講座的最后，文教 授還對(duì)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的未來(lái)進(jìn)行了展望，諸如現(xiàn)在流行的云計(jì)算，還有動(dòng)態(tài)數(shù)據(jù)流學(xué)習(xí)，例外的發(fā)現(xiàn)，學(xué)習(xí)更復(fù)雜的函數(shù)，粒計(jì)算等等，都是今后發(fā)展的的熱點(diǎn)。聽(tīng)完這個(gè)講座，我感到責(zé)任重大，即使是一個(gè)點(diǎn)，也還有很多方面值得拓展和探索，作為研究生，研究是我們主要的工作，想要取得滿意的結(jié)果和優(yōu)異的成績(jī)，我們所要做的就是倍加努力，汲取現(xiàn)有的知識(shí)，在新的領(lǐng)域開(kāi)拓新的研究道路，積極探索，永不止步。 第五篇：學(xué)科前沿講座心得 學(xué)科前沿講座 — 數(shù)據(jù)挖掘 近年來(lái)，大數(shù)據(jù)、云計(jì)算等非?；馃?。聽(tīng)了老師所講的關(guān)于《數(shù)據(jù) 挖掘》這塊的相關(guān)知識(shí)講解，頗有感受。下面就是我聽(tīng)過(guò)講座之后以及查閱資料之后，對(duì)數(shù)據(jù)挖掘的一些認(rèn)識(shí)。 隨著數(shù)據(jù)庫(kù)技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)的迅速發(fā)展以及數(shù)據(jù)庫(kù)管理系統(tǒng)的廣泛應(yīng)用，人們積累的數(shù)據(jù)越來(lái)越多，而數(shù)據(jù)挖掘就是在這樣的背景下產(chǎn)生的。簡(jiǎn)單的說(shuō)，數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或“挖掘”出潛在的、有價(jià)值的知識(shí)、模型或者規(guī)則的過(guò)程。作為一類(lèi)深層次的數(shù)據(jù)分析方法，它利用了數(shù)據(jù)庫(kù)、人工智能和數(shù)理統(tǒng)計(jì)等方面的技術(shù)。 在聽(tīng)講座時(shí)，老師主要講解了一下數(shù)據(jù)挖掘中的有關(guān)關(guān)聯(lián)規(guī)則、聚類(lèi)、分類(lèi)的方法以及相關(guān)的算法。老師在講關(guān) 聯(lián)規(guī)則時(shí)，提到了關(guān)于“尿布與啤酒”的故事。一般，按照我們常規(guī)思維，這兩種東西根本就是兩個(gè)毫無(wú)關(guān)聯(lián)的商品，但是借助數(shù)據(jù)挖掘技術(shù)對(duì)大量交易數(shù)據(jù)進(jìn)行挖掘之后，卻可以尋求到這一有價(jià)值的規(guī)律。從一定程度上可以表明數(shù)據(jù)挖掘技術(shù)的巨大價(jià)值。 另外還講到了關(guān)聯(lián)規(guī)則算法 Apriori 算法。 Apriori 算法使用頻繁項(xiàng)集的先驗(yàn)知識(shí)，使用一種稱(chēng)作逐層搜索的迭代方法， k 項(xiàng)集用于探索 (k+1)項(xiàng)集。首先，通過(guò)掃描事務(wù)（交易）記錄，找出所有的頻繁1 項(xiàng)集，該集合記做 L1，然后利用 L1 找頻繁 2 項(xiàng)集的集合 L2， L2 找L3，如此 下去，直到不能再找到任何頻繁 k 項(xiàng)集。最后再在所有的頻繁集中找出強(qiáng)規(guī)則，即產(chǎn)生用戶感興趣的關(guān)聯(lián)規(guī)則。其中， Apriori 算法具有這樣一條性質(zhì)：任一頻繁項(xiàng)集的所有非空子集也必須是頻繁的。因?yàn)榧偃?P(I)