atom.xml

<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <title><![CDATA[Zippera's blog]]></title>
  <subtitle><![CDATA[Walk steps step by step]]></subtitle>
  <link href="http://zipperary.com/atom.xml" rel="self"/>
  <link href="http://zipperary.com"/>
  <updated>2013-11-12T13:47:54.421Z</updated>
  <id>http://zipperary.com/</id>
  <author>
    <name><![CDATA[zippera]]></name>
    <email><![CDATA[sovey198@gmail.com]]></email>
  </author>
  <generator uri="http://zespia.tw/hexo">Hexo</generator>
  <entry>
    <title type="html"><![CDATA[秋逝]]></title>
    <link href="http://zipperary.com/2013/11/12/autumn-gone-far/"/>
    <id>http://zipperary.com/2013/11/12/autumn-gone-far/</id>
    <published>2013-11-12T00:15:11.000Z</published>
    <updated>2013-11-12T00:39:37.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1eahxvztcxqj21kw16oe81.jpg" alt=""></p>
<p>昨天双十一，亦痛苦亦兴奋地败家购物之后，下午坐在实验室里，阳光明媚，空气清澈，忽然想起，我也是这「光棍节」的主角，天气很好，应该出去走走。</p>
<p>去哪里？我毫不犹豫地呼出了「奥体」两个字。一直以来它都在我的 visiting list 中，来京后去过很多地方，那一片名胜却始终没有机会去。</p>
<a id="more"></a>

<p>走出中教，起风了，但跟「周一不学习出去玩的愧疚感」争斗之后好不容易下好的决心是不可以轻易改变的。忘记不学习的愧疚，忘记挑选外套的煎熬，秋天即将远去，今天不去，更待何日。</p>
<p>4-10-8，地铁转的比较麻烦，好在总的站数并不多。奥林匹克森林公园南门，到了。蓝天，草地，树木林立，喜鹊，静水，古典音乐。这个地方很干净，没有被商业开发，没有叫卖，没有臭豆腐的气味，没有很多人，也没有满地的垃圾。阳光很暖，风却很凉，除此之外，美的完美。</p>
<p>自然风景，稀奇古怪好玩的东西并不多，玩的是一种心情，在与大自然的零距离接触中，只需要静静感受，只需要体验。</p>
<p>公园面积很大，抄近路还是用了不少的时间才回到入口处。几天前刚刚立冬，我来这里跟秋天说 ByeBye。</p>
<p>出门往南走，经过国家会议中心，就到了奥体公园。天已渐黑，鸟巢和水立方都亮起了灯，一个是橘色调，一个是蓝调，交相辉映，很美。站在鸟巢底下，惊叹这样的巧夺天工，惊叹人类的智慧和双手。然而，听不到里面任何声音，也看不到里面的任何画面，感觉到隔阂。水立方亦然，的确很美，但除了一个美丽的空壳，它能带给我什么呢，什么都没有。</p>
<p>风愈紧愈冷，腹内饥肠辘辘，晚上还有课，寻找地铁站，8-10-4，回学校。</p>
<p>秋逝，冬宅，好好学习，天天向上。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[Hotel Transylvania]]></title>
    <link href="http://zipperary.com/2013/11/10/hotel-transylvania/"/>
    <id>http://zipperary.com/2013/11/10/hotel-transylvania/</id>
    <published>2013-11-10T09:57:30.000Z</published>
    <updated>2013-11-10T12:08:11.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1eag5nr1zhej20zk0j8mys.jpg" alt=""></p>
<p>继昨天看完阿诺施瓦辛格和史泰龙的《金蝉脱壳》之后，今天下午玩心又起，和同学一起把这部《精灵旅社》给看了，两台电脑，毫秒级别的同步，大屏高清，非常过瘾。</p>
<a id="more"></a>

<p>最喜欢的地方是画面中每个怪物的造型设计，几乎随时停下来截屏都可以捕捉到一张可以久久玩味的精美图片。</p>
<p>故事情节方面，跟《疯狂原始人》有异曲同工之处，同样都是父亲保护女儿，教育女儿要保守不要冒险，而女儿却有不可抑制的好奇心，按耐不住地想要飞出笼子探索外面的世界。都有一个很有趣的小伙子，把外面的世界介绍给小姑娘，让懵懂的小姑娘初尝爱情的滋味，不能自拔。同样的，老爹先是驱逐小伙子，最后被小伙子说服和感动，走出自己老顽固的世界，跟年轻人的世界或者说真正的世界接轨。所以，但就故事而论，并无新颖性。</p>
<p>在角色设计方面，融入了吸血鬼德拉古、人造怪物弗兰肯斯坦、植物大战僵尸中的僵尸、隐形人等等，虽然小角色永远脱离不了小角色的任务，但相信在小朋友的眼睛里这样的大杂烩给电影增添了色彩。</p>
<p>电影即将结束的部分，有一段歌舞，很好听很过瘾，《疯狂原始人》里面也有歌舞，而且非常好听，进入了我的歌单。</p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1eag5oeguitj20zk0j8dhf.jpg" alt=""></p>
<p>说是动画电影，女生和小孩要谨慎观看，因为会有脑子、虫子等恶心场景，观众在大声尖叫时可能会影响身边的小伙伴们。</p>
<p>这部电影是2012年在米国上映的，居然在2013即将结束的时候才在中国上映，我天朝威武！</p>
<p>2D 尚且有十足的观赏性，电影院里的3D 一定会非常爽，客官不妨去看看。</p>
<p>这样的电影，真没什么好说的，故事还是老旧的励志模式，画面和音乐还是最主要的亮点，所以，带着零下几度的大脑，带着眼睛和耳朵，go and watch it~</p>
]]></content>
    <category scheme="http://zipperary.com/categories/电影/" term="电影"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[三个会]]></title>
    <link href="http://zipperary.com/2013/11/09/aiqing-and-jingju/"/>
    <id>http://zipperary.com/2013/11/09/aiqing-and-jingju/</id>
    <published>2013-11-08T23:56:43.000Z</published>
    <updated>2013-11-09T00:30:43.000Z</updated>
    <content type="html"><![CDATA[<p>跟 S 吃过晚饭后，到新食堂4楼「参观」爱情招聘会，为哥们加油。这个「招聘会」是校研会组织的，力图帮助研究生中的单身男女在双十一购物节到来之际，尽快找到可以帮助自己划卡的另一半。现场很热闹，除了参加招聘会的上百个男女同学围坐成一个大大的四边形，周围也坐着站着不少「看热闹」的观众。参与者似乎忽视了旁观者「看猴」似的指点江山，非常投入地跟旁边的异性聊天，脸上洋溢着幸福愉快的表情。他们勇敢的追求幸福，搞得我也增加了幸福感。为了消却「看猴者」的角色，为了表示尊重和支持，我和朋友看过一轮就匆匆离开了。晚上询问哥们成果如何，告知已经喝过茶了，欣慰。</p>
<a id="more"></a>

<p>离开新食堂，来到中教一楼的报告厅，有一个京剧演出正在进行。我们对京剧近乎文盲的无知，进来只是为了满足对国粹的好奇。听了两折戏，第一个不知何名，第二个是《贵妃醉酒》，听不懂看不明白。外行人看热闹，看出了几点想法：</p>
<ol>
<li>京剧中，很多戏开始之前的奏乐几乎是相通的，听第一折的时候那个前奏我曾经不止一次听过，非常熟悉。不知道这里面有什么讲究。</li>
<li>京剧分角「生旦净末丑」，不同的人、不同的戏、同样的角色类型，其发声异乎寻常地相似。好像只要看到有人穿着这种衣服上台，他发出来的声音音色和腔调都是一样的。不像唱歌时不同歌手可以展现不同的特点，京剧演员的声音似乎没有识别度。</li>
<li>京剧的一大魅力似在转音。一句短短的台词，它可以转变千山万水曲曲折折，很多字都会把韵母拉的很长，并且做一些漂亮的转音，韵味十足。相比歌曲的直白平淡，戏曲有足够的味道可以品。</li>
<li>由于上述原因，京剧转音复杂、节奏感不明朗，学习的难度要比歌曲大的太多。而且外行人很不容易轻易就喜欢上某出戏。</li>
<li>京剧的发声方式很特别，这里面是有规律可循的，什么规律呢，不知道。</li>
<li>京剧的青年票友太少了，学习京剧的年轻人也很少吧，不知道中国戏曲学院的生源为什么那么好。我比较担心这个艺术形式流传下去会遇到很多困难。进高校演出是宣传国粹很好的方式，希望以后这样的活动更多一点。</li>
</ol>
<p>看戏时旁边坐着中国戏曲学院的一个毕业生，已经结婚工作。他给我们看了他之前的剧照，有板有眼的。演出结束时领了一张会员卡，不知道会不会用到。</p>
<p>今天早上来中教，我又是第一个开901大门的，嘿嘿。三楼今天有托福考试，想想在本科时，考托福必须很辛苦地跑到青岛市区，考 GRE 时必须更辛苦地跑到济南，在北理居然可以在实验室的楼下考，还是很幸福的。乘电梯时，有一姑娘问我「305是不是在三楼」，看来是有点紧张，祝他们好运。</p>
<p>对了，今天有一件很重要的事，可能与我有关，那就是三中全会。究竟会不会有实质性的进展，拭目以待吧。</p>
<p>愿国泰民安，愿人们都幸福。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[我们仨]]></title>
    <link href="http://zipperary.com/2013/11/07/wo-men-sa/"/>
    <id>http://zipperary.com/2013/11/07/wo-men-sa/</id>
    <published>2013-11-07T01:59:53.000Z</published>
    <updated>2013-11-07T03:16:53.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1eacac2ug60j21kw16oh27.jpg" alt=""></p>
<p>《我们仨》的作者杨绛先生，很多人可能不知道，但她的丈夫钱钟书几乎是无人不晓的了。二人伉俪情深，而且都是大学者大文豪，是非常令人羡慕的一对。然而，对于杨绛先生而言，生活中除了淡淡的幸福便是大苦大悲，悲苦过后，一个人怀念三个人的幸福，那样的人生体验究竟是什么样的滋味？</p>
<a id="more"></a>

<p>1997年，独生女儿钱媛去世，仅仅一年之后，丈夫钱钟书辞世，原本相依为命的一家三口，仅剩下杨绛一个老人。一百零二岁，杨绛用文字记录下一家三口的风雨六十年，用一个人的思念，凭吊三个人的生活。</p>
<p>这本书给我的感觉是平淡和无聊。前面的部分回忆女儿、丈夫去世前的日子，白发人送黑发人，一人送二人，读后很难过。但是，可以很明显的感觉到，作者并没有故意渲染催泪的感情，可以明显感觉到作者在经历过一切之后那种带有智慧的坦然，离别虽然痛苦，但不至痛苦的死去活来。六十多年的幸福，够了。生死有命，不必太在意。</p>
<p>后面大幅篇章，回忆了从二十多岁二人结婚、去牛津读书、回国教书，直到二钱去世这63年发生的故事。在作者的笔下，没有什么轰轰烈烈，哪怕我们认为了不起的事，作者也是很生活化的写出来。在作者眼里，家庭是核心，一切是生活，无非就是三个人在一起的生活，所谓世俗眼里的「了不起」，于她而言只是在能力所及的范围内尽力而为，生活和家庭永远是最重要的。</p>
<p>通过这本书，我第一次了解到钱媛在六十多岁，钱钟书在八十多岁时，他俩还跟小孩子似的玩，要杨绛这个「家长」来管教。一家三口都是那么可爱，那么相亲相爱。钱钟书是「大学者兼小说家」，杨绛是老师、小说家，女儿钱媛是北京师范大学的教师。通过本书，我们可以窥见高级知识分子的家庭是什么样的。我得感受是，好玩。</p>
<p>昨晚看的那部分，柴米油盐酱醋茶，不是我的菜。后面会提到很多「名人」，这是我这个世俗眼中比较关心的东西。看来我还太年轻，不知道淡淡的生活才是最好的味道。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/读书笔记/" term="读书笔记"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[时光]]></title>
    <link href="http://zipperary.com/2013/11/04/shi-guang/"/>
    <id>http://zipperary.com/2013/11/04/shi-guang/</id>
    <published>2013-11-04T01:57:55.000Z</published>
    <updated>2013-11-04T02:35:07.000Z</updated>
    <content type="html"><![CDATA[<p>昨天，是一年一度的，我的生日。Google 的 Doodle 为我送来生日蛋糕，发到微博上，二货小伙伴还以为是某大师百年诞辰。</p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1ea8rb6jhxyj20sg0i5zlo.jpg" alt=""></p>
<a id="more"></a>

<p>曾经认为，过生日是庆祝年长一岁。心想有病啊，长大一岁就是离死亡逼近一岁，而生有涯，青春流逝，有什么好庆祝的。</p>
<p>后来明白，过生日是庆祝 N 年前自己的诞生，庆祝自己获得生命存在于这个世界，庆祝这个世界带给这个生命的一切美好。</p>
<p>最近感觉，过生日无非就是提供了一个很好的契机，亲朋好友可以交流感情增加联系，也可以在过生的旗帜下光明正大名正言顺地出去 happy 一下，生日不生日已经不重要了，重要的是这一天要 happy。</p>
<p>昨天，老天似乎也在为我庆生，疾风一扫前日的雾霾，澄清了整个天空，阳光金晃晃地洒满大地，格外刺眼。金黄色的银杏叶在阳光的照耀下美的不可名状。未名湖水倒映着红色、黄色、绿色的树冠，天、树、湖，融合成一幅绝美的画卷。</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1ea8s6h19pfj21kw16ohdt.jpg" alt=""></p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1ea8s7wk1sjj21kw16o1kx.jpg" alt=""></p>
<p>仟岛咖啡的午餐丰富美味，流连忘返。卡布奇诺的表面是一个很可爱的心形。蛋糕香甜。旁边的座位，两个同行人在交流互联网创业的事情，这个城市的活力就是这群人在支撑。</p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1ea8s3yq2mbj21kw16oqq6.jpg" alt=""></p>
<p>在北大还是会迷路，但不重要，竹林、银杏、红叶、湖水、高塔、红楼，都是美的，管他东南西北。</p>
<p>周末书摊上，同小伙伴淘到了几本非常精美的书，不虚此行。</p>
<p>晚上在理教旁听薛兆丰老师的经济学原理，我们几个听得津津有味，旁边一北大的孩子在甜美的梦乡不知所为。</p>
<p>李先生的梅菜扣肉远不如北大的好吃，清汤味道却还不错。</p>
<p>不需要多少人，不需要多少活动，有一个小伙伴能陪着吃吃饭散散步就是幸福的。其他小伙伴的祝福我收到了，非常感激，也非常抱歉不能相陪。岁月静好，时光温存，有你们，此生我幸。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[读《胡适家书》]]></title>
    <link href="http://zipperary.com/2013/11/02/hu-shi-jia-shu/"/>
    <id>http://zipperary.com/2013/11/02/hu-shi-jia-shu/</id>
    <published>2013-11-02T10:59:28.000Z</published>
    <updated>2013-11-02T11:46:48.000Z</updated>
    <content type="html"><![CDATA[<p>昨天闲着无聊，随手抄起《胡适家书》，纸笔未带，把有感触的几处拍照留存。</p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1ea6westgxej21kw16o7np.jpg" alt="胡适关心妻子的身体"></p>
<a id="more"></a>

<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1ea6wgm8eomj21kw16oask.jpg" alt="大白话"></p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1ea6whokwq4j21kw16oawq.jpg" alt="胡适去世"></p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1ea6ws010cmj21kw16oqov.jpg" alt="蒋介石三番五次邀请胡适出任政府要职"></p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1ea6wtjk3dqj21kw16o4iz.jpg" alt="南下，生死逃亡一般"></p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1ea6wumersnj21kw16o1e5.jpg" alt="且看胡先生的言论"></p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1ea6wwc99coj21kw16oauq.jpg" alt="父子反目，这是怎样的社会，怎样的悲哀"></p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1ea6wy9ci7bj21kw16o1eo.jpg" alt="自由是一个个这样的人争来的"></p>
]]></content>
    <category scheme="http://zipperary.com/categories/读书笔记/" term="读书笔记"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[写作这件小事]]></title>
    <link href="http://zipperary.com/2013/11/01/on-writting/"/>
    <id>http://zipperary.com/2013/11/01/on-writting/</id>
    <published>2013-11-01T01:12:51.000Z</published>
    <updated>2013-11-01T02:05:22.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1ea5ajyxm90j20rs0rsgo5.jpg" alt=""></p>
<p>题目用了一个「大词」写作，我只是不知道如何用「小词」表达「写东西」这个概念。这几天写东西的欲望和动力不是十分强烈，想写也找不到可以拿出来分享的东西。一个原因是各种杂七乱八的事（包括修身养性，即懒散）挤掉了学习的时间，一个原因是，我有一群很好的小伙伴，有什么新鲜事有什么想法有什么「祥林嫂」都会迫不及待的跟他们分享，一件事说一次有意思，说两次就味同嚼蜡了。</p>
<a id="more"></a>

<p>每一次的写作都是一次孤独的旅行，只有孤独，只有自己一个人的时候，才能有机会自我对话。这样的对话，不仅能探索自我、挖掘潜藏在深处的思绪，也可以将平时阅读到的「印象」做一些梳理，做一些咀嚼。这个过程是十分有趣且有益的。不过，由于功力欠缺，写作时常常会有忐忑，不知道什么时候会突然思维阻塞、文泉枯竭，故而总得小心翼翼，保护那偶得的一点点 idea。</p>
<p>然而，要想每天都有一段时间 Be Alone 是有困难的。在学校里是没有私人空间的，走到哪里都有人。虽然很喜欢随时脱口而出有人能听得到并做出回应的话，但是一个人要想有思想要想有个性就必须时不时地与这个社会保持一定距离，否则就只能会是随波逐流的一个水滴。村上春树在《当我谈跑步时，我在谈些什么》说过，跑步的一个好处就是在一个热闹的社会给自己一个清静的机会，繁忙起来，可能只有跑步时才能赚的一时清静。对于我来说，晚上躺在床上的时候，思维就可以脱缰，在这难得的孤独中享受思维的乐趣。</p>
<p>假期在家时尝够了孤独的滋味，在学校的这两个月非常的快乐。玩够了，也该学习啦。</p>
<p><em>翘课写这个，被点名了…</em></p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[基于 KNN 算法的贝叶斯分类器]]></title>
    <link href="http://zipperary.com/2013/10/29/knn-as-bayes-classifier/"/>
    <id>http://zipperary.com/2013/10/29/knn-as-bayes-classifier/</id>
    <published>2013-10-29T02:18:37.000Z</published>
    <updated>2013-10-29T03:24:25.000Z</updated>
    <content type="html"><![CDATA[<p>在《模式识别》这门课的最初部分，我们学习了设计分类器进行分类决策的理论基础——<strong>贝叶斯决策理论</strong>：</p>
<p>比较P(ωi|x)。其中ωi为第 i 类，x 为观测到并要分类的一个数据，P(ωi|x)表示在已知这个数据的特征向量的情况下，判断它属于第 i 类的概率是多少，这项也成为后验概率。根据<strong>贝叶斯公式</strong>，可以将其表示为：</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1ea1uqqglqyj2089018745.jpg" alt=""></p>
<p>其中，P(x|ωi)称为似然概率或者类条件概率；P(ωi)称为先验概率，因为是与试验无关的，先于试验之前就可以知道的。</p>
<p>在分类时，给定 x，选择使得后验概率P(ωi|x)最大的那个类别即可。在比较每个类别下P(ωi|x)大小时，ωi是变元，而 x 是固定的；所以可以把 P(x)剔除掉，不加以考虑。</p>
<p>所以最终归结为计算<code>P(x|ωi)*P(ωi)</code>的问题。</p>
<p>先验概率 P(ωi)好求，只要统计训练集中每个分类下出现的数据的比例就可以了。</p>
<p>似然概率P(x|ωi)的计算就要破费周折了，因为这个 x是测试集中的数据，根据训练集没法直接得出。那么我们就需要找出训练集数据的分布规律，然后就可以得到P(x|ωi)。</p>
<a id="more"></a>

<p>好，复习了贝叶斯分类器，下面介绍 k 近邻算法，英文是 KNN。</p>
<p>我们要根据训练集中的数据 x1,x2…xn （其中每个数据是 m 维），在类别ωi下，拟合这些数据的分布。设 x 为 m 维空间中的任意一点，怎样计算P(x|ωi)？</p>
<p>我们知道，当数据量足够大时，可以用比例近似概率。利用这个原理，在点 x 的周围，找出距离 点x 最近的 k 个样本点，其中属于类别 i 的有 ki 个。计算出这 k 个样本点包围的最小超球的体积V；另求出所有样本数据中属于ωi类的个数 Ni。则：</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1ea1vwsgyoqj203w013a9u.jpg" alt=""></p>
<p>可以看到，我们计算出来的实际上是 点 x 处的类条件概率密度。</p>
<p>P(ωi)怎么算呢？</p>
<p>根据上面的方法，P(ωi)=Ni/N 。其中 N 是样本总数。</p>
<p>另外，P(x)=k/(N*V)，其中 k为这个超球体包围的所有样本点的个数；N 为样本总数。</p>
<p>那么<code>P(ωi|x)</code>就可以计算了：带入公式，很容易得出：</p>
<p>P(ωi|x)=ki/k</p>
<p>怎么样，是不是非常清爽！</p>
<p>再解释一下上式，在一个 V 大小的超球体内，包围了 k个样本，其中属于 i 类的有 ki 个。这样，包围的哪类样本最多，我们就判定这里的 x 应该属于哪一类。 这就是用 k 近邻算法设计的分类器。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/机器学习/" term="机器学习"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[Mac神器之 Alfred Workflow]]></title>
    <link href="http://zipperary.com/2013/10/27/alfred-workflow/"/>
    <id>http://zipperary.com/2013/10/27/alfred-workflow/</id>
    <published>2013-10-27T06:43:59.000Z</published>
    <updated>2013-10-27T15:02:38.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1e9zrfp5olcj20l60hkgn3.jpg" alt=""></p>
<p>今天通过一个网友哥们了解到 workflow 这个东西，准确的说是 Alfred 中的 workflow，当即决定要武断地封它为神奇的神器。</p>
<p>那么什么是。。Alfred 呢？</p>
<p>首先要从 Mac 上的 Spotlight 说起。这是 Mac OS X 上自带的全局搜索工具，用<code>control + space</code>呼出，输入关键字，即时显示不同域里的搜索结果。无图无真相，一图见分晓。</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9zrbloknkj20cq0kk40h.jpg" alt=""></p>
<p>可以看到，Spotlight 已经是个非常好用的神器了。接下来介绍 Alfred。</p>
<a id="more"></a>

<p>官方的说明是：</p>
<blockquote>
<p>Alfred is an award-winning productivity application for Mac OS X<br>Alfred saves you time when you search for files online or on your Mac. Be more productive with hotkeys, keywords and file actions at your fingertips.</p>
</blockquote>
<p>自然，Spotlight 提供的功能，它都能实现。Plus and Besides，它还能提供运算、终端命令等操作；得益于强大的 workflow，你几乎可以在这里实现所有用别的方式可是实现的功能，but efficiently。</p>
<p>比如，有网友写了一个转换阿拉伯数字到中文繁体数字的 workflow，直观展示一下：</p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9zrc8v40zj20go04xmxs.jpg" alt=""></p>
<p>回车后还可以放大：</p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1e9zrcuckcaj20go070q45.jpg" alt=""></p>
<p>类似地，你可以写一个查询天气的 workflow。实际上，你需要的，大多数都已经有人写出来了，google 即可。</p>
<p><strong>怎样安装 Alfred？</strong></p>
<p>当然是去官网喽：<a href="http://www.alfredapp.com" target="_blank">http://www.alfredapp.com</a></p>
<p>需要说明的是，这是一个收费软件；免费的话，只能使用搜索和计算等一些基本功能，购买之后可以使用全部功能；比较贵，个人版是17欧元。</p>
<p>首先，我极力推荐正版；然后，呃，对于我等无产阶级草民，只能通过天朝孕育出来的独门秘籍了——破解版。破解方式不宜公开，有需要者可以私联。</p>
<p>安装好之后，呼出的方式是<code>option + space</code>；跟 spotlight 有 slightly different。</p>
<p>上面已经提到了 workflow；既然这么好，那我也做一个吧。想想我平时遇到过什么麻烦的操作。。想到一个，写博客的时候，需要打开终端，又是 cd 啊，又是 hexo 啊，又是 open 的，很麻烦，那么我就用 workflow 来流程化一下下。</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9zrdm42tej20xq0n4mzv.jpg" alt=""></p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9zrekozeej20di07k3z8.jpg" alt=""></p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1e9zrew130qj20jg0c8dgm.jpg" alt=""></p>
<p>Bingo！现在，只要呼出 Alfred，输入<code>hexo n blabla</code>，就会自动完成「切换目录，创建文件，打开目录，打开终端」等一系列操作，nice and neat。</p>
<p>Okay，介绍完了，了解更多，Please Google It。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/Mac/" term="Mac"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[用LaTeX编辑数学公式]]></title>
    <link href="http://zipperary.com/2013/10/26/latex-for-math/"/>
    <id>http://zipperary.com/2013/10/26/latex-for-math/</id>
    <published>2013-10-26T02:39:45.000Z</published>
    <updated>2013-10-26T03:10:37.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9yepw30o2j20m809k0t8.jpg" alt=""></p>
<p>LaTeX 归根到底也是一门用来排版的标记语言，像 Markdown 一样，通过一些符号定义文本的格式。LaTeX 被广泛地使用在图书、论文等文本排版中，功能强大，尤其是在对<strong>复杂表格和数学公式</strong>的支持方面，Markdown 是无法与之比拟的。至于文字排版，我还是喜欢使用比较整洁、简单的 Markdown。对于我们这些需要经常使用数学工具的人，学会在电脑上编辑数学功能几乎是必备的技能，有人说 Word 就可以做到，但它真的没有 LaTeX 强大。那么我们就学一学怎样用 LateX 编辑数学公式。</p>
<a id="more"></a>

<p>相关的教程随便一 Google 满屏都是，我就不重复造轮子了。仅给出建议的学习路线和推荐的工具、资料。</p>
<ol>
<li>LaTeX 在线编辑工具<a href="http://www.codecogs.com/latex/eqneditor.php" target="_blank">eqneditor</a>。功能十分强大，不仅可以实时可视化生成的结果，对于初学者，还可以通过上方的面板直接选取想要编辑的数学符号。这个工具先熟悉一下，随便玩玩，直观感受一下，一会再开始正式学习。另外，不建议下载安装 Win 版或 Mac 版的 LaTeX 编辑系统，Mac 上的 MacTex 有2G+，受不了。</li>
<li>简单的入门教程<a href="http://wiki.gwrite.googlecode.com/hg/misc/LaTex-EquRef.html?r=1de19067fce5484bb5c39cbd049f6a47f7d8a2e9" target="_blank">《LaTex 参考》</a>。只介绍编辑数学公式的基本用法，简单、实用、清晰明了。建议一边学习一边在eqneditor实践。通过这一步的学习，我们就能基本掌握用 LaTeX 编辑数学公式的语法格式了。捎带说一下符号<code>$$</code>，它的意思是两个这样的符号包裹起来的部分是单独成行的；而两个<code>$</code>表示在行内插入数学公式。教程里会有，看到的时候知道就行，在编辑器里面可以体会到两者的不同。上述编辑器默认是<code>$$</code>。</li>
<li>数学函数参考手册<a href="http://mohu.org/info/symbols/symbols.htm" target="_blank">《常用数学符号的 LaTeX 表示方法》</a>。上一步走完后，我们了解了基本语法，入门已经完毕，在实际使用中，遇到不清楚的函数，可以到这里查阅参考。</li>
<li>LaTeX 进阶<a href="http://pan.baidu.com/s/1zMIOj" target="_blank">lshort 和 lnotes</a>。想要进一步了解 LaTeX 更强大更复杂更全面的功能，这两个教程是经典的金典大作。我就不看了，文本排版控制，我还是喜欢 Markdown。</li>
</ol>
<p>希望能对大家有些帮助。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/IT杂谈/" term="IT杂谈"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[研究生課程點評]]></title>
    <link href="http://zipperary.com/2013/10/23/class-so-far/"/>
    <id>http://zipperary.com/2013/10/23/class-so-far/</id>
    <published>2013-10-23T13:43:53.000Z</published>
    <updated>2013-10-23T14:36:03.000Z</updated>
    <content type="html"><![CDATA[<p>研究生生活已經度過了八九個周，選好的每門課都上過了不少，甚至還有已經結課的。閑來無事，背後議論一下這些課程吧。為免老師看到，我用繁體字做了一層擋板。</p>
<p>我的研究方向是圖形相關，根據導師的指導，選擇了以下課程，後附點評：</p>
<ol>
<li>科學道德與學術誠信：聲明一下，跟導師無關，這門課純粹是學校硬性強求的必修課。像本科時對待政治課的態度，我幾乎在手機和 Mac 的世界中度過。沒什麽好說的，實在沒什麼印象。作為結課的考覈方式，老師佈置了一篇論文。至今頭疼中，我對這個題目實在沒有什麼概念。</li>
<li>模式識別：專業知識含量最多的一門課。開頭的兩節課，老師用概率論和線性代數把我鎮住了。後來自己找了課件，課餘時間複習講過的內容，頗有收穫，老師再講課也就可以聽得懂了。有一個有意思的事情，開始的幾門課，有幾個留學生去聽課，後來不去了。據老師解釋，這些人當初聽信 BIT 會用英文授課才來中國留學，未成想老師居然用中文，失望之下，便不再來聽課，同時向研究生院舉報這件事。研究生院於是規定，年輕老師上課必須用英文授課。模式識別的馬波老師是貫徹的最好的，果真全英文，然後很多學生驚呼「這門課就這麽毀了」，上課時老師講的津津有味自得其樂，教室卻靜可聽針，因為很多學生都已經茫茫然了。對我來說，英文反而更能讓我集中精神，中文授課時倒常常不自禁的開小差。另外，由於之前在 Coursera 修過 Ng 老師的 Machine Learning，對於這個領域的英文術語已經比較熟悉，再加上課件的幫助，對老師的講解大部分能聽懂。順便提一句，馬波老師的英語口語非常好非常贊。</li>
<li>人工智能：授課老師是劉峽壁老師，我稱之為「站在人文和科技的路口」。劉老師給我的印象非常好，據女生反映，劉老師在女生眼裡是個魅力十足的人。這裏提幾個跟劉老師有關的事情。之前在選報導師的時候，我的選項之一是劉老師，當然，是得到師兄的推薦。我發郵件給劉老師，很快得到了答複，回復的非常認真，並給出了他培養學生的方式，和對學生的一些要求，我的感覺是認真、負責、細緻，這是其他的幾個老師比不上的。當時我便對劉老師很有好感，不過，後來幾個人反復強調劉老師對學生太嚴，我對於自己潛心研究學術的意志力和耐心沒有太大自信，所以便選擇了其他老師。第二件事，搬到一個新的實驗室房間，各種設施不齊全，我們幾個學生有些不知道怎麼應付，隔壁的劉老師便主動跑過來幾次問缺什麼、有什麼需要幫助的，並指派自己的學生過來幫助我們；當時便感覺劉老師熱心且平易近人。第三個事，是偶然發現了老師的微博和博客，發現他對於人文、社會、教育都有很多自己的思考，寫出來的文字也很漂亮；而且，詭異的是，從不寫技術相關的。劉老師上課有一個習慣，就是先聊一段關於某些現象的思考，鼓勵我們要把自己當做精英，要上進，要還原人性原始的善良，並堅持最純潔的道德。老師自己也是以身作則的。在講課方面，老師非常注重思路和框架，總是幫我們梳理知識點之間的關係，這一點非常贊。比授課更好的，是劉老師自己寫的課本，目前從我周圍得到的反饋，以及我自己的感受，就是課本寫的非常清晰易懂，甚至不聽課直接看課本都可以了。另外，關於英文授課，劉老師說,which I paraphrase,「我是面向國人講課，理應用中文」，下面掌聲一片。</li>
<li>計算機圖形學：老師很牛，講課很水，水的淘不出干貨。至今從他的課上沒學到知識，所有關於這個學科的知識，都是通過其他學校的老師得來的，比如最近發現的中國科技大學的劉利剛老師的博客和課件都很好。我這門課的老師的理念是，通過應用學知識，而不是先打好基礎再去應用。這跟我的學習方式很違和。我目前的計劃是先用比較快的節奏把劉利剛老師的課件掃完，然後通過閱讀論文或具體應用去深化認識。</li>
<li>信息檢索：我非常感興趣的一門課，無奈老師的水平、課程的內容讓我很失望。我是看的王斌老師的教案，非常的好；他翻譯的那本「信息檢索導論」也很好，但苦於在神奇的北理，我借十本書，九本是沒有的。目前我課程的老師已經開始講正題了，下節課逼自己聽聽。</li>
<li>自然辯證法概論：這簡直是一門自習課。至今為止沒見過老師講課，從進教室到出教室，放映機一直在放視頻。而我便會帶去 Mac，打開課件，戴上耳機，開始上自習。感謝老師~</li>
<li>語言信息處理：由於《數學之美》、「結巴分詞」，我對這門課程寄語了很高的期望，興趣十足。院長的課，不過只出現在第一節課，之後便是一個女博士老師在授課。慶幸的是，這個老師講的非常好，把枯燥的語言學知識講的很清晰易懂。悲催的是，我比較喜歡基於統計的方式，而老師直到現在還在講語言學的知識、TG、Chromsky 的一套理論等等。我聽不懂，真的聽不懂。而且實在也不感興趣了。上次考研時一門「語言學」已經折磨的我身心俱疲了，實在不願意再碰這些東西。只希望老師能儘快講授統計相關的NPL。還有，這個老師也開始英文授課了，哎，NPL 就這麽毀了。</li>
<li>專利與知識產權保護：我能說這是我接受知識最多的一門課麽。老師很牛，北理專利中心主任，接手過無數從軍方過來的專利申請代理，經驗豐富，業務嫺熟。講課也能量十足，講解的很易懂，案例豐富，非常好的一門課。缺點就是：老師有隨機提問的嗜好，搞的大家上課都緊張兮兮的。</li>
</ol>
<p>就這些了，可惡的是，數學課我沒選上，下學期慘了。</p>
<p>目前比較輕松，一週有四天基本沒課，除了看課件和專業相關的知識，實在應該多閱讀、多編程、多走走、多跟別人交流。很多時間是用在網絡上了，應該適當壓制一下。</p>
<p>繁體字好亂哦，好了，我的目的達到啦~</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[狄仁杰之神都龙王]]></title>
    <link href="http://zipperary.com/2013/10/21/di-ren-jie-zhi-shen-du-long-wang/"/>
    <id>http://zipperary.com/2013/10/21/di-ren-jie-zhi-shen-du-long-wang/</id>
    <published>2013-10-21T09:22:03.000Z</published>
    <updated>2013-10-21T09:52:51.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9sy8p4sncj21jk0yj43g.jpg" alt=""></p>
<p>昨晚没把持住，把这个电影看了。片源是韩国过来的，字幕只有韩国语，侥幸的是对白大多是中文，但由于音效修整的不好以及时不时蹦出几句岛国语，所以要想听出全部的信息还是不现实的。好在清晰度特别高，值得尝试。</p>
<a id="more"></a>

<p>这部电影的导演是徐克，主演有赵又廷、林更新、冯绍峰、刘嘉玲和杨颖。老实说，这三个男演员我都不太熟悉，或者不太看好，但徐克和杨颖给了我巨大的动力。看完之后总体感觉还是很好的，中国能拍出这样视觉效果好、故事吸引人、没有多少硬伤的电影，已经很好了。</p>
<p><strong>下有剧透！</strong></p>
<p>剧情大概是这样的：</p>
<p>武则天当政，派兵攻打某国，船队却被大海里的一个怪物搞的全军覆没。大唐上下传言是龙王显灵。武则天（刘嘉玲饰演）不信这个邪，要大理寺尉迟（冯绍峰饰演）在十天之内查出真相。另一方面，某组织要拿杨颖饰演的花魁祭祀龙王。年轻的狄仁杰（赵又廷）受某尚书举荐来大理寺任职，凭借敏锐的视觉、听觉、感觉和缜密的思维，以及不赖的武功在一次劫持事件中拯救了花魁。劫持她的是个怪物，很丑。后来，随着事件的发展，狄仁杰逐渐明晰，这个怪物是元公子，被人种蠹变成了这个样子。种蠹的是岛国人，而且阴谋绝对不只是元公子家朱雀茶（贡品，朝中上下皆饮）的配方，而是企图通过在茶中放蠹毒毁灭大唐。狄仁杰在尉迟、沙土（林更新饰演）、沙土的师傅的帮助下，送解药给朝廷，成功挽救了大唐。另外一个精彩之处，是稍后船队擒拿岛国坏蛋和深海龙怪的过程。总之，最后皆大欢喜：元公子的蠹毒解了，恢复人形；元公子和花魁离开神都去过快乐的日子；狄仁杰和尉迟打败了岛国坏蛋、深海龙怪，并挽救了大唐，受封得赏。</p>
<p>说几点感受：</p>
<ol>
<li>视觉效果很好，真后悔没去影院看。</li>
<li>赵又廷、冯绍峰、林更新演的都很好。</li>
<li>刘嘉玲出境太少了。</li>
<li>陈坤演的王溥？真没看出来。</li>
<li>剧情很好，有怪物、有悬疑、有打斗。</li>
<li>杨颖好看，真的很好看，元公子太幸福了。</li>
<li>突然有兴趣研究种蠹。。。</li>
</ol>
<p>今天白天没课，在实验室呆了一天。早上六点多起床，七点多到的实验室。学习的还算比较踏实，尽管效率还是不高，看来还需要一个过程。晚上还要上课，去吃饭了！</p>
]]></content>
    <category scheme="http://zipperary.com/categories/电影/" term="电影"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[怦然心动]]></title>
    <link href="http://zipperary.com/2013/10/19/flipped/"/>
    <id>http://zipperary.com/2013/10/19/flipped/</id>
    <published>2013-10-19T13:25:02.000Z</published>
    <updated>2013-10-19T15:20:12.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9qtay2q5cj20qe0j90y4.jpg" alt=""></p>
<p>很久没看电影了，于是傻乎乎地给 todolist 添加了一条 watch a movie。今天在小王同学的陪同下看了这部所谓的清新爱情电影。</p>
<a id="more"></a>

<p>影片讲述了男孩 Bruce 和女孩 Julie 从初遇到走到一起的故事。电影的讲述角度很新颖，同一个故事片段，分别让 Bruce 和 Julie 各自从自己的角度旁白讲述一次，这样不仅能把整个故事连续起来，还能看到对于同样的一件事一个片段，男女之间的想法是怎样的不同。</p>
<p>初次相遇，Julie 便深深迷恋上了 Bruce 的眼睛和微笑，她感觉对方比较害羞和腼腆，所以一直很主动，希望能帮助 Bruce 破除害羞。但是，她的主动让 Bruce 感到遇上了恶魔，拼命躲避。后来两个人都长大了，Julie 不再变得那么主动，甚至由于某些事情，逐渐对他失去了好感，甚而产生了厌恶。而 Bruce，却开始从逃脱转为想念，发展到最后，不顾一切地想追回两个人的和好。当然，电影的结局没有让观众伤心，两个人走到了一起，happily。</p>
<p>总体的脉络就是这么简单，说一说印象深刻的几点吧。</p>
<ol>
<li>Julie 喜欢爬上那棵巨大的梧桐树，一坐就是半天，她看到了别人没看到的东西，看到了美好；她想叫 Bruce 上来，分享这份美好。后者却认为 Julie 不可理喻。后来，当人们要砍掉这棵树，Julie 哭喊着叫 Bruce 爬上来，抗议砍树，Bruce 没有留下来帮忙，Julie 非常伤心。后来，Bruce 希望挽回感情，在 Julie 家的院子里种起了一颗形状很相似的小梧桐树。Julie 抛却了一切的不愉快，走到 Bruce 面前。。。说实话，看到 Bruce 在院子里种树的时候，我心里已经泪奔了。当年看《我的野蛮女友》时，也是一棵树让人泪奔的。。。另外，Bruce 早起去梧桐树上等待看日出的情景，让我想到了初二时我的座位临窗，窗户向东，教室在高层，东边是个村子，每天早上来早自习，都能从黑暗一直看到天完全亮，中间的变化真的特别美特别美。</li>
<li>Bruce 的外公是个非常有智慧的人，我特别喜欢这个角色，虽然话不多，虽然是配角。</li>
<li>从这个爱情故事里，可以看到，当你拼命追他时，他躲避尤恐不及，当你对他冷淡时，他又开始百般追求你。人，就是这么贱。</li>
<li>喜欢一个人，可以没有任何理由，也可以仅仅因为他闪亮的眼睛，或者英俊的外表，这都是好的。因为之后，你会看到她更多的地方，她是不是绣花枕头，也会有认识清楚的一天。</li>
<li>父母在孩子面前吵架是不好的，如果无法避免吵了架，睡觉前依次去孩子的房间，告诉她爸爸是爱她的，妈妈是爱她的，爸爸是爱妈妈的，妈妈是爱爸爸的。相爱的父母比富有的父母更重要。</li>
<li>那些天马行空的人，那些与众不同的人，那些在你眼里的奇葩，你是不是嘲笑他了，你是不是沦为一个没有任何 identity 的人却嘲笑那些仍然保留自我的人，你看到他们眼里看到的了嘛？</li>
<li>现在的人，还能否认真的为感情中的事情吵架、生气？只要认真，吵架都是好的。</li>
<li>忽然感觉到，蒙受苦难，并不像想象的那样恐怖，怎样的境况有怎样的活法，同时也会有对生命、生活和人生的不同体验。</li>
</ol>
<p>以前感觉自己已经过了青春的年代，不该看这些清新的东西，现在想想，爱情自始至终都是相通的，年少时的爱情，现在我们依旧在重复。</p>
<p>挺困的，写的比较乱，就到这里吧，洗洗睡了。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/电影/" term="电影"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[隐马尔可夫模型三个问题的求解(一)]]></title>
    <link href="http://zipperary.com/2013/10/17/3-problems-in-hmm/"/>
    <id>http://zipperary.com/2013/10/17/3-problems-in-hmm/</id>
    <published>2013-10-17T01:18:47.000Z</published>
    <updated>2013-10-17T02:26:22.000Z</updated>
    <content type="html"><![CDATA[<p>上一篇<a href="http://zipperary.com/2013/10/15/an-introduction-to-hmm/">《隐马尔可夫模型介绍》</a>中讲解了马尔可夫假设和隐马尔可夫模型 HMM，并提到了 HMM 中的三个基本问题，但没有展开讨论其求解。本篇就此做出解答。</p>
<p>本文主要参考<a href="http://www.52nlp.cn/category/hidden-markov-model/page/4" target="_blank">《HMM 学习最佳范例》</a>。</p>
<p>先回顾一下，上节我们就硬币的例子提出了三个问题：</p>
<ol>
<li>给定上述模型，观察到的结果（硬币的正反面）为O={H，T，H}的概率是多少？</li>
<li>若给定上述的观察结果，那么最可能的状态序列（硬币序号）是什么？</li>
<li>A、B、π未知的情况下，如何根据 O 得到它们？</li>
</ol>
<p>问题一是个估算问题，P（O|λ），可用向前算法和向后算法解决；</p>
<p>问题二是根据观察序列反向找出最可能的状态序列，是个解码问题，P（O,q|λ），q 是某状态，最常用的是 Viterbi算法；</p>
<p>问题三实际上是个参数估计或求解的问题，或者说是个学习问题，通过训练一步步优化参数，找到使得P（O|λ）最大的那个参数，最常用的是 Baum-Welch算法。</p>
<hr>
<h3>例子</h3>
<p>这里，我们提出一个更加恰当的例子：</p>
<p>有一个宅男，不爱出门，也不愿看看窗户外面的世界。但他有个特殊的习惯，通过观察海藻来推测外面的天气情况。天气一共有3种情况 S：（晴天、多云、雨天）；海藻一共有4种情况V：（干、稍干、潮湿、湿润）。海藻的情况是宅男直接观察到的，而天气的情况并没有直接观察到，而是隐藏状态，是他推测出来的。其关系如图所示：</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9nxfm6fm5j20bu07dq3k.jpg" alt=""></p>
<a id="more"></a>

<p>另外，我们给出其他三个条件：</p>
<p>天气的状态转移矩阵A：</p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1e9nxie43xtj20bw046gls.jpg" alt=""></p>
<p>天气的初始概率向量π：</p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1e9nxjfricdj205d01swea.jpg" alt=""></p>
<p>天气状态和海藻观察情况的混淆矩阵 B：</p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1e9nxk60arrj20af03o3yj.jpg" alt=""></p>
<p>现在，这个 HMM 已经构建好了，如上一节所说，是一个五元组λ=（S，V，A，B，π）。</p>
<p>我们使用一个隐马尔科夫模型（HMM）对这个例子建模。这个模型包含两组状态集合和三组概率集合：</p>
<ul>
<li>隐藏状态：一个系统的（真实）状态，可以由一个马尔科夫过程进行描述（例如，天气）。</li>
<li>观察状态：在这个过程中‘可视’的状态（例如，海藻的湿度）。</li>
<li>pi向量：包含了（隐）模型在时间t=1时一个特殊的隐藏状态的概率（初始概率）。</li>
<li>状态转移矩阵：包含了一个隐藏状态到另一个隐藏状态的概率</li>
<li>混淆矩阵：包含了给定隐马尔科夫模型的某一个特殊的隐藏状态，观察到的某个观察状态的概率。</li>
</ul>
<h3>评估问题：前向算法</h3>
<p>给定λ，要计算某个观察序列 O的概率，最不费脑子的办法就是<strong>穷举法</strong>。</p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9nxtk7wpkj20be05cjro.jpg" alt=""></p>
<p>如图，若求序列（dry,damp,soggy）的概率，只要把每种可能的状态序列都算一下概率，最后相加即可。一共有3**3=27种。</p>
<p>总的概率是：Pr(dry,damp,soggy | HMM) = Pr(dry,damp,soggy | sunny,sunny,sunny) + Pr(dry,damp,soggy | sunny,sunny ,cloudy) + Pr(dry,damp,soggy | sunny,sunny ,rainy) + . . . . Pr(dry,damp,soggy | rainy,rainy ,rainy)</p>
<p>其中每项的求解很简单，利用初始状态向量π、状态转移矩阵 A 和混淆矩阵 B，通过相乘就能得到。</p>
<p>可以看到，这种做法的代价是比较昂贵的，省了脑力就会相应的耗费体力，上帝是公平的。</p>
<p>下面提出一种颇费脑细胞，但代价比较小的算法：<strong>前向算法</strong>。</p>
<p>首先，定义<strong>局部概率</strong>这个概念：它是到达上图网格中间某个状态的概率，它是所有到达这个状态的可能路径的概率求和的结果。</p>
<p>例如，对于 t=2时Cloudy的局部概率：</p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9ny3n70dyj2098053glq.jpg" alt=""></p>
<p>有三个路径，分别计算每条路径的概率，再求和即可。相信聪明的你已经想到，我们正是利用<strong>递推</strong>的方式来求解最后结果：</p>
<p>首先计算 t=1的情况，然后就算 t=i 的情况（利用 t=i-1），最后得出最末时刻的概率。</p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1e9ny8rzqfkj204x00x743.jpg" alt=""></p>
<p>其中，j 表示三个天气状态中的某一种；α1(j)表示 t=1时，天气状态为 j 时，得到观察为 k1的概率；等式的右边，表示初始状态下某天气的概率乘以该天气下得到 k1观察的概率。</p>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9ny9fibxsj207d01g745.jpg" alt=""></p>
<p>这个式子中加入了状态转移矩阵的元素，就是 aij，用来递推计算，总的形式和上式一致。</p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1e9nyb4eyafj205p01jglg.jpg" alt=""></p>
<p>最后所求概率，是一个加和，由于递推结束，不需要状态转移矩阵了。</p>
<p><a href="http://www.52nlp.cn/hmm-learn-best-practices-five-forward-algorithm-5" target="_blank">这里</a>有一个实际的计算过程可供参考。</p>
<p>为什么叫「前向算法」呢？从上面可以看出，这个算法的本质，是根据前t时的情况计算t+1时的情况，是一个逐渐向前推进的过程。</p>
<p>时间有限，今天先写这些，预告：</p>
<p>解码问题：Viterbi 算法</p>
<p>学习问题：Baum-Welch 算法</p>
]]></content>
    <category scheme="http://zipperary.com/categories/机器学习/" term="机器学习"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[隐马尔科夫模型介绍]]></title>
    <link href="http://zipperary.com/2013/10/15/an-introduction-to-hmm/"/>
    <id>http://zipperary.com/2013/10/15/an-introduction-to-hmm/</id>
    <published>2013-10-15T09:26:30.000Z</published>
    <updated>2013-10-17T01:19:48.000Z</updated>
    <content type="html"><![CDATA[<p>这篇博客是根据我 NLP课程 的一个小作业整理而来的，介绍一下 NLP 领域中非常经典的一个模型，叫做隐马尔可夫模型，简称 HMM。看过吴军老师的《数学之美》的同学应该对这个模型不感到陌生。这次的作业，老师给出一本书<em>Foundations of statistical natural language processing</em>，让我们自己挑选任意一部分的内容，不限字数，写篇文章。前面部分多是介绍语言学的基础知识，我选择了比较偏算法的 HMM。由于 NLP 的课程刚刚开始，远没有讲到这里，老师提供的参考书又是电子版的英文原版，看起来比较费劲，我更多的参考了一些其他资料，文末会列出。</p>
<p>分割线后是正文。</p>
<hr>
<p>HMM（隐马尔可夫模型）是 NLP（自然语言处理）领域中一个基本且常用的模型，可以用在诸如词性标注、中文分词、语音识别等细分的研究方向，在工业中的应用也已经十分广泛。本文将首先介绍 MM（马尔可夫模型），然后着重介绍 HMM 的原理、涉及到的基本问题，并给出比较形象的例子。</p>
<a id="more"></a>


<h3>马尔可夫模型</h3>
<p>提出：1913年由Andrei A. Markov提出，也因此得名。</p>
<p>模型描述：这里引用网上的一段数学表示，稍后做出解释。</p>
<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9m07iqbigj20bi03l0t4.jpg" alt=""></p>
<p>通俗地解释，随机序列 X 在不同时刻有不同的状态，在 t 时刻的状态受 t 之前所有时刻（t-1,t-2…0）的状态的影响；而在马尔可夫模型中，我们规定，t 时刻的状态只受 t-1时刻状态的影响，也就是不考虑更加之前的状态，这无疑会给我们解决问题带来方便。另外，我们用 P 来表示状态转移概率，亦即从 t-1时刻到 t时刻两个状态转换的可能性大小。</p>
<p>之所以说「一阶」，是因为某状态只受前一个状态的影响，这也可以被称为2-gram；之所以说「链」，是因为 ai 受到 ai-1的影响，用 i 迭代，就像一个链式的反应。</p>
<p>这个模型可以更加凝练地表示成一个二元组，形式为（S，A）。其中，S 表示所有可能的状态的集合；A 是一个 n 行 n 列的状态转移概率矩阵，每个元素 aij 表示的是从状态 i 转移到状态 j的概率。</p>
<p>举个例子：</p>
<p>假设我们观察天气，通过对历史数据的了解，我们知道只有三种天气状态：{阴，雨，晴}；同时，某天的天气只受前一天天气的影响，我们也从历史数据中得到了一个转移概率组成的矩阵（3*3）。有了这些已知条件，我们就可以预测某天的天气了。</p>
<p>这里需要注意的是，我们所关心的状态（天气情况）和我们观察到的序列（天气情况）是一致的，给定了后者，前者便得到了。之所以讲这些，是为了引出 HMM，这一点正是 MM 和 HMM 的关键区别所在。</p>
<h3>隐马尔可夫模型</h3>
<p>上面给出了马尔可夫模型，我们可以用它来做简单的预测问题，但是还有一些复杂的问题，用 MM 就束手无策了，下面通过一个简单的例子给出。</p>
<p>假设有 N 个坛子，每个坛子表示一个状态；有 M 种颜色的小球，每个坛子中不确定会拿出哪种颜色的小球；现在我们依次随记从某个坛子中拿出小球，并记录小球的颜色，得到一个颜色序列；现在把这个观察得来的序列给另外一个人，它只知道颜色的产生顺序，不了解每个颜色分别是从哪个坛子里取出的。</p>
<p>从这个例子看出，给出了观察序列，我们无法直接得知状态的序列；而上面天气的例子中，给出观察序列（天气），我们直接得到状态序列（天气）。本例中，状态的转移过程对于观察者是隐藏起来的，所以这个过程叫做「隐马尔可夫过程」。</p>
<p>模型描述：</p>
<p>HMM可以表示为一个五元组，我们用λ=（S，V，A，B，π）表示。</p>
<p>S：状态集合，对于上例，就是坛子的集合，共 n 个元素。</p>
<p>V：观察集合，对于上例，就是小球颜色的集合，共 m个元素。</p>
<p>A：状态转移矩阵，涵义同 MM 中的 A。</p>
<p>B：观察值的概率分布，对于上例，就是每个坛子里，取出每种颜色的小球的概率，可以看成一个 n*m 的矩阵。</p>
<p>π：初始状态概率分布，可以理解为每个状态的先验概率。</p>
<p>通过马尔可夫过程，可以生成一个符号序列（观察序列），我们用如下方式表示：<br>O = （o1,o2,…ot）</p>
<p>该过程就是通过上述的五元组产生该序列的，可以简单地表示成下面过程：<br>按照π选择一个初始状态—&gt; 按照 B 选择一个输出值 o—&gt; 按照 A 选择下一个状态…  如此迭代进行，便可得出序列。</p>
<p>HMM 中有三个基本问题，本文将通过一个直观的例子，提出这三个问题。</p>
<p>问题描述：有三枚硬币（1，2，3），随机抛掷，记录结果。<br>这里，S 为{1，2，3}；V 为{H，T}（Head or Tail，硬币的正反）；A、B、π也给出，如下：（为了方便，这里引用资料中的截图）</p>
<p><img src="http://ww1.sinaimg.cn/large/5e8cb366jw1e9m0920ytpj20bi04cwep.jpg" alt=""> </p>
<p>通过这个直观的例子，我们也能更加清晰地理解 HMM 的五元组代表的意思。</p>
<p>接下来，我们提出三个问题：</p>
<ol>
<li>给定上述模型，观察到的结果（硬币的正反面）为O={H，T，H}的概率是多少？</li>
<li>若给定上述的观察结果，那么最可能的状态序列（硬币序号）是什么？</li>
<li>A、B、π未知的情况下，如何根据 O 得到它们？</li>
</ol>
<p>问题一是个估算问题，P（O|λ），可用向前算法和向后算法解决；<br>问题二是根据观察序列反向找出最可能的状态序列，是个解码问题，P（O,q|λ），q 是某状态，最常用的是 Viterbi算法；<br>问题三实际上是个参数估计或求解的问题，或者说是个学习问题，通过训练一步步优化参数，找到使得P（O|λ）最大的那个参数，最常用的是 Baum-Welch算法。</p>
<p>当然，具体的算法描述和实现也是一大块内容，这里不另辟篇幅叙述了。</p>
<h3>总结</h3>
<p>回顾一下，我们首先介绍了 HMM 的基础—MM；然后通过例子给出了为什么MM 是不够的，为什么需要 HMM；稍后给出了 HMM 的模型描述，并通过硬币的例子，一方面形象化了 HMM，另一方面引出了 HMM的三个基本问题；至于每个问题的解答，需要研究一下上述的几个算法，在此基础上就可以用来解决中文分词、词性标注等领域的一些问题了。尤为重要的是，我最近在研究的一个开源中文分词系统「结巴分词」，在新词预测时就是使用的 Viterbi 算法，最后的效果还是很好的，这个算法应该认真学习。</p>
<hr>
<p>参考资料：</p>
<ol>
<li>Foundations of statistical natural language processing. Christopher D.<br>Manning, Hinrich Schütze.</li>
<li>《统计自然语言处理基础》，参考资料条目1的中文版。</li>
<li>北京大学《计算语言学》第五章课件：<br><a href="http://www.icl.pku.edu.cn/member/chbb/lecture/cl/Computational_Linguistics_05.pdf" target="_blank">http://www.icl.pku.edu.cn/member/chbb/lecture/cl/Computational_Linguistics_05.pdf</a></li>
<li><a href="http://www.52nlp.cn/hmm-concrete-example-on-wiki" target="_blank">http://www.52nlp.cn/hmm-concrete-example-on-wiki</a></li>
<li>「结巴分词」：<a href="https://github.com/fxsjy/jieba" target="_blank">https://github.com/fxsjy/jieba</a></li>
</ol>
]]></content>
    <category scheme="http://zipperary.com/categories/机器学习/" term="机器学习"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[免费拨打网络电话]]></title>
    <link href="http://zipperary.com/2013/10/15/free-call/"/>
    <id>http://zipperary.com/2013/10/15/free-call/</id>
    <published>2013-10-15T02:05:03.000Z</published>
    <updated>2013-10-15T02:32:35.000Z</updated>
    <content type="html"><![CDATA[<blockquote>
<p>从买CD到免费下载歌曲，从买DVD到免费看视频，从买报纸到免费看资讯……是时候到免费通话了！</p>
</blockquote>
<p><img src="http://ww4.sinaimg.cn/large/5e8cb366jw1e9lnseib1aj20yq0rswgm.jpg" alt=""></p>
<p>时至今日，互联网已经如此的发达，我们的通讯费用还十分高昂。有一些方式可以帮助我们通过联网获得免费的实时通话或语音留言：QQ 语音/视频，微信，飞信，YY 等等。这个方式的缺点是：双方必须在同一个社交网络上，比如双方是 QQ 好友。实际上，最大的社交网络还是移动、联通、电信三大运营商。最好的免费通话是可以随时、免费拨打对方的手机号码。</p>
<a id="more"></a>

<p>要实现上面的功能，已经有很多或老或新的产品在尝试，最有名的是 Skype，但是「免费」不达标，只是便宜了而已。前段时间用过的「有信」也是，免费、通话质量也好，但必须通过「签到」或购买的方式取得积分，用积分兑换通话时长，而积分的获得麻烦而缓慢。</p>
<p>最近在好几个地方看到大家推进「说吧」这个产品，便决心试一试。在 Chrome 浏览器中打开网站的主页，无需注册，便可以拨打对方电话。我试了下，通话很正常。但是不注册的话，每次只能用1分钟。通过 QQ 号注册之后，可以免费无限时拨打任意电话。然而，对方的手机号归属地是有限制的，截止到今日，只要对方归属地是「广东省、云南省，贵州省，广西省，湖南省，四川省，湖北省，安徽省，江西省，福建省，浙江省，江苏省、海南省、上海市、重庆市」中的城市，便可以不限时免费拨打；其余的城市，比如北京，目前还没开通，只能通过积分的形式。</p>
<p>好吧，重点来了，我这篇博客是广告贴，请大家点击下面的链接进行注册，你和我都能得到积分奖励：</p>
<p><a href="https://www.10086china.com/index.html?id=OTkxMzEwMTUwOTMwMzQzOQ==" target="_blank">https://www.10086china.com/index.html?id=OTkxMzEwMTUwOTMwMzQzOQ==</a></p>
<p>注册非常简单，挥一挥手，省下吃甜点的钱~</p>
]]></content>
    <category scheme="http://zipperary.com/categories/IT杂谈/" term="IT杂谈"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[Macbook Air 分享网络]]></title>
    <link href="http://zipperary.com/2013/10/14/macbook-air-wifi-share/"/>
    <id>http://zipperary.com/2013/10/14/macbook-air-wifi-share/</id>
    <published>2013-10-14T02:02:07.000Z</published>
    <updated>2013-10-14T02:05:28.000Z</updated>
    <content type="html"><![CDATA[<p>大家知道，Air 十分轻薄，没办法做网络插口，同时 air 的概念也意味着一切通过无线连接。这样的话，上网只能连接 wifi。</p>
<p>另一方面，BIT 现在上网是限流量的，10元10G，且一个帐号最多允许两个设备同时登录。我宿舍的无线路由器一般保持登录状态，so，在教室或实验室，Mac 和手机只能有一个可以连接 BIT 的无线网络并登录。</p>
<p>上面两个原因，催生了我利用 Mac 发射热点，以允许手机上网的想法。</p>
<p>Google 了一圈，发现基本上都是利用 Airport，悲催的是 Air 没有这个。好像也没有什么第三方的软件。于是，最后的办法只有一个了：蓝牙。</p>
<p>经过尝试，这个方法的确可以达到我的目的，不敢独享，拿出来分享给大家。</p>
<p>Mac 设置：</p>
<ol>
<li><p>开启共享：打开<code>系统偏好设置</code>&gt;<code>共享</code>&gt;<code>互联网共享</code>&gt;<code>蓝牙 PAN</code>。  </p>
<p><img src="http://ww2.sinaimg.cn/large/5e8cb366jw1e9it9jivgsj20lq0ie75y.jpg" alt=""></p>
</li>
<li>开启蓝牙：打开<code>系统偏好设置</code>&gt;<code>蓝牙</code>，打开即可。</li>
</ol>
<a id="more"></a>

<p>Android 设置：</p>
<p>像平时使用蓝牙那样，搜索 Mac 的蓝牙并连接，注意有个选项<code>访问互联网</code>，要勾选。</p>
<p>试试吧，现在就可以流畅上网了。</p>
<p>BTW，实际上也可以用手机连接 wifi，再分享给 Mac。一是通过蓝牙，方法类似；二是通过 fqrouter2这个应用，设置很简单，可以轻松实现翻墙/热点分享。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/Mac/" term="Mac"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[话剧《八美图》：婚外恋、同性恋、不伦恋]]></title>
    <link href="http://zipperary.com/2013/10/12/8-female/"/>
    <id>http://zipperary.com/2013/10/12/8-female/</id>
    <published>2013-10-12T12:59:45.000Z</published>
    <updated>2013-10-12T13:30:54.000Z</updated>
    <content type="html"><![CDATA[<p>今天晚上，校话剧团在新食堂四楼表演话剧《八美图》，又称《八个女人》，其电影版本已于去年发行。现场坐满了人，两旁还挤挤地站着观众，可以看到，大家还是蛮期待的。舞台已经布置完毕，桌椅道具一应俱全。7点30，正式开始。</p>
<p>话剧讲述一个法国的大家庭，成员有爸爸、妈妈、姨妈、外婆、女儿苏珊、妹妹、佣人、姑姑、心理医生香奈儿。剧情开始，苏珊从伦敦留学回到家里，爸爸在卧室中休息，她和妹妹去叫爸爸出来，妹妹先打开房门，才发现爸爸躺在床上，后背插着一个匕首。所有人都惊呆了。报警电话打不出去，因为线路被切断了；汽车也没法开出去，马达上的线也被切断了；大雪把这一家圈在了一个与世隔绝的地方。凶手就在这八个女人中间，究竟是谁？</p>
<a id="more"></a>

<p>剧情展开，八个女人开始互相指责、互相揭穿，每个人似乎都有秘密，每个人都故意隐藏着什么。剧情一路发展下去，秘密也被一一发掘出来，人物的性格、特点也逐渐鲜明起来：</p>
<ul>
<li>爸爸是个商人，合伙人要去墨西哥，他无力支撑生意，想往外婆借债券，后者却撒了谎没借给他。</li>
<li>妈妈是个貌美、高傲的女主人，但跟爸爸分床而睡。她有个情人。</li>
<li>姨妈是个老处女，跟妈妈、妹妹都不和。她喜欢爸爸，数次卖弄风骚想勾引之，无果。</li>
<li>外婆假装下肢残疾，坐在轮椅上。女婿收留自己，却不肯在后者危机时施以援手。另外，年轻时，外公是个完美的绅士，外婆却不爱他，又挑不出他任何缺点，肉体和精神都逃离不了，遂亲手杀了他。姨妈一直不知道这件事。</li>
<li>苏珊在伦敦上学，刚刚回来，前一晚偷着见了爸爸，说有要事商量。这件要事，就是她怀了爸爸的孩子。（现场一片唏嘘）后来，妈妈告诉她，她不是爸爸的亲女儿，而是妈妈和情人所生，苏珊终于松开一口气。</li>
<li>妹妹是个十三岁的小女孩，除了做功课几乎没有任何参与度，但她知道最多的秘密，也是。。。幕后的那个人。</li>
<li>佣人实际是爸爸的情人，前段时间伪装成佣人进入这里，天天偷着和爸爸欢愉。</li>
<li>姑姑是个娼妓、荡妇，混不下去了，找哥哥来借钱，哥哥不肯接济，她扬言要杀了他，最后哥哥还是给了她50万法郎，她把这些钱给了自己的情人。狗血的是，她和妈妈的情人是一个人，都是爸爸 那个合伙人。</li>
<li>香奈儿是个同性恋，是的，她喜欢姑姑。</li>
</ul>
<p>秘密就是这样，最后其实根本没有凶手，爸爸并没有死。事情是这样的：妹妹知道这些秘密，早上去爸爸房间时，看到爸爸在哭，没有任何尊严的哭，为这八个女人带给他的痛苦而痛苦。妹妹心疼爸爸，所以故意导演了这么一出剧，爸爸在门后面偷偷听着，听他们一一讲出自己的苟且之事。妹妹的意图是想让爸爸了解所有真相，然后坦然些。遗憾的是，当妹妹把这出剧的设计告诉大家，并打开门要叫爸爸出来时，爸爸吞枪自杀了。到最后，是这八个女人害死了爸爸。</p>
<p>剧情方面，有悬疑，有噱头，很有看头。意旨方面，无非是讽刺和痛斥这些罪恶：婚外情、同性恋、欺骗、不伦恋、贪念。。。</p>
<p>演员的演出很到位，导演是个美女；现场听的都很认真，掌声也很多；尽管场地比较简陋，演员也毕竟业余，但最后的效果还是不错的。当然，我没有去剧院看过专业演出，不排除坐井观天。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/电影/" term="电影"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[关于盗版]]></title>
    <link href="http://zipperary.com/2013/10/12/on-pirate/"/>
    <id>http://zipperary.com/2013/10/12/on-pirate/</id>
    <published>2013-10-12T02:56:26.000Z</published>
    <updated>2013-10-12T03:34:46.000Z</updated>
    <content type="html"><![CDATA[<p><img src="http://ww3.sinaimg.cn/large/5e8cb366jw1e9i8qmxr60j20nw0h8gps.jpg" alt=""></p>
<p>首先，我交待主要的盗版经历。</p>
<a id="more"></a>

<h4>Books</h4>
<p>除了教材和有限的亚马逊买书经历，其余几乎都是在读盗版书：</p>
<ul>
<li>上课用的教材是盗印或盗版书。</li>
<li>手机里的电子书几乎都是免费下载的。途径主要为<em>爱看豆、mlook（均已停止下载服务）、百度网盘</em>。</li>
<li>网上阅读电子文档，多为免费本，说起来不属于盗版。</li>
</ul>
<h4>Music</h4>
<p>说起来比较尴尬，真想买正版的数字音乐，还不好找到 Market。</p>
<p>听音乐的主要途径是<em>酷狗、网易云音乐、虾米</em>，我可耻地相信商家已经购买了版权，然后提供给用户免费使用和下载。</p>
<h4>Films</h4>
<ul>
<li>电影天堂，大学时期的电影天堂。</li>
<li>VeryCD，目前由于版权问题，不再提供下载。幸好有网友制作的映像站 SimpleCD，下载杠杠的。</li>
<li>PT 站，各大学都有吧，我怎么感觉这是全球最大的连锁盗版电影组织。。</li>
<li>100SO，快播的影视搜索引擎，资源丰富。</li>
<li>百度网盘，什么资源都有，真的。</li>
</ul>
<p>现在在北京，团购电影票很便宜，有条件看正版电影了。</p>
<h4>软件</h4>
<p>羞于启齿，但不得不承认，目前为止，我尚未为任何一款软件付过费。这样说也不准确，起码买三星本和 Mac 的时候，自带的 Dos 和 Mountain Lion 是正版的。其余诸如 Microsoft Windows、Office 之类的收费软件都是用破解版，Win 下软件大多是免费的，所以盗版还不算严重。Mac 下的软件收费的占很大的比例，而且价格不菲，比如必备的 Office 和 iWork 都是几百软妹币一套，作为穷苦无产阶级学生党，我无耻又心安理得地使用了破解版。</p>
<p>网友对我的行为表示鄙夷，程序员怎么不支持程序员呢，我说，等财务自由了一定会支持正版的。</p>
<p>这几天看老罗前几年在海淀剧院和保利剧院的演讲，提到他们公司从诞生起，一切办公软件都是正版，公司的小伙子跑到他面前，眼睛里闪烁着晶莹的小东西，欲言又止。老罗说「好了，我知道你要说什么，快回去干活吧」，「你不就想说长这么大从来没用过正版的 windows 嘛」。海淀剧院演讲的视频火爆之后，微软中国赠送了正版的 windows 和 office 给老罗的公司，以感激他对正版的支持。</p>
<h4>认错</h4>
<p>可以看到，我的生活中随处可觅盗版行径，我骨子里也是痛恨这种行为的。但是，以我目前的财务情况，是没办法支持正版的。只能先原谅自己，以后再补救。</p>
<p>有时候我会突然产生一种诡异的想法，在天朝生活最幸福的事就是一切资源都有便宜或免费的盗版，我等无产阶级便免去了一大块财务负担。</p>
<p>虽然是不对的，但我还是多少觉得，在目前中国普遍知识匮乏的情况下，盗版对于普及知识，提高国民智力水平有正向意义。有人会说，盗版会扼杀开发者或制作者的创造力，会污染创新的土壤，没有了创新创造，哪来的知识。的确会有这个弊端，而且的确对他们不公平。但综合权衡，还是利大于弊的。至于后者，我觉得可以寻求一些免费挣大钱的方法，360就是一个表率。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
  <entry>
    <title type="html"><![CDATA[学不下去？换个环境！]]></title>
    <link href="http://zipperary.com/2013/10/08/change-for-change/"/>
    <id>http://zipperary.com/2013/10/08/change-for-change/</id>
    <published>2013-10-08T14:31:01.000Z</published>
    <updated>2013-10-08T14:54:10.000Z</updated>
    <content type="html"><![CDATA[<p>为了督促自己保持良好的状态，我从昨天开始执行新制定的「30天行动计划」，内容、方式与假期时的「100天行动计划」差不多。假期中，通过这个行动计划，我没有堕落进游戏、睡觉、发呆中，尽管效率未必多高、效果未必多好，但还是保持了很强的学习热情，零零碎碎学到了不少东西。</p>
<p>来到学校，研究生的培养方式与本科时已经大不相同，同学们也没有了上自习的概念，课余的时间，或是蜗居在宿舍里，或是去实验室敲代码或看论文。我实验室比较特殊，目前空荡荡只有我一个人，氛围不好，所以平时不愿意过来，而 BIT 的自习室太过紧张，weekday 时很难找到自习的地方，图书馆尽管氛围好、美女多，但毕竟离据点（宿舍）太远了，因此我可耻地选择了在宿舍学习。</p>
<p>说也奇怪，同样在宿舍，xq 就能学的很踏实，敲代码、调试、写爬虫、学 c#，我就一点学不下去，晃晃悠悠一个月过去了，几乎没学到什么东西。</p>
<p>课堂上呢？之前一直坐在教室的最后面，或中后部，感觉比较自在、超脱，但听课的效果很不好。我的视力不是很好，PPT 看不清，老师的表情手势看着也费力，距离感导致不太容易融入上课的气氛中。我还总是抱怨老师讲课太水，跟自己预期的差距太大。其实吧，找到一个满意的老师，就像找到一个彼此恰好的对象，很难，难道就不听课了嘛？所以，作为学生，要适应老师的方式和节奏。</p>
<a id="more"></a>

<p>国庆之后，也就是从昨天开始，上课我刻意选择比较靠前的位置，离考试和幻灯片都近一些。真切感受到参与感高了，精神也更加投入了，再加上刻意把手机装在兜里而不放在桌上，少了一层干扰，这样下来，听课的效果有了很明显的提高。</p>
<p>另一方面，今天晚上和 GT 来实验室学习，算是一个尝试。说也奇怪，虽然人少，虽然她走了就剩我一个人，但学习的效果好了很多。今晚把「模式识别」今天的课程复习了一遍，并整理了适合自己的笔记；找了一个 openGL 的教程，边学边做笔记，颇有收获。</p>
<p>我想，对于我这种目前没有强大到身处闹市都可以推导「贝叶斯判别公式」的人，一个好的学习方式和学习环境还是至关重要的。</p>
<p>BTW，不像假期那样一天一篇博客，这次我规定的是两天至少一篇。目前很多学科都是初学，也很难写出多有价值的文章，后期可能会好一些。</p>
<hr>
<p>今日彩蛋</p>
<p>Mac 中 QQ 面板拖放到屏幕边缘，然后激活其他窗口，再把鼠标放在刚才那个屏幕边缘，可以看到也有类似 win7下的那种自动隐藏。</p>
<p>Mac 下的「剪切」为： <code>command + c</code>复制，然后<code>option +  command + v</code>，就可以实现 win7下的剪切功能了。</p>
]]></content>
    <category scheme="http://zipperary.com/categories/生活/" term="生活"/>
  </entry>
</feed>