总共83页< 234567 891011 >跳到
  记得很早的时候,有人说计算机永远不可能产生生命,因为计算机程序不能自我复制。可是后来冯诺伊曼证明了机器程序是可以自我拷贝的,从那不久,就有了世界上的第一个计算机病毒:蠕虫,我想知道,冯诺伊曼当初的证明是怎样的,病毒自我复制的原理又是什么?不知道那位大虾有研究,请不要告诉我简单的文件拷贝就是它的自我复制了,注意,一定要是一段内存里执行这的程序!...
阅读(3458) | 评论(6) | 收藏(0)
2014-01-11 01:17:12 
  在年初的时候,问我自己这个问题,这样可以在年终的时候进行检验。这一年是我闭馆的关键时期。我将竭尽全力在异速生长律这一块画上一个句号。同时为下一个目标:流网络进行前期开拓。
与此同时,我会继续关注随机、信息与量子,这个东西是潜力股。
...
阅读(753) | 评论(2) | 收藏(0)
2014-01-12 12:01:59 
  自然界普遍存在着耗散现象,例如生物体每时每刻都在呼吸,并往外界耗散能量。甚至抽象的流网络也有耗散,例如,投入产出网中,每个部门都有流向附加值部门(工人工资、资本)的耗散流
点击流网络中,每个网页都会有人下网,构成了耗散流
更有趣的是,耗散流与节点的流量呈现出幂律的关系,这被称为耗散律。
问题是,为什么会有耗散,又为什么会形成耗散律呢?
正在苦苦思索这个问题。
...
阅读(714) | 评论(1) | 收藏(0)
2014-01-06 19:55:00 

  
book.douban.com/subject/6712293/


很久没有读过这种既轻松又有学科概览性质的好书了。找到了当年阅读《复杂》时候的感觉。该书用一个一个人物串起了整个故事,并科普了量化金融方面的一些知识。


阅读这本书,让我认识到:
1、原来现在的金融界已经变成了量化交易的世界,机器算法在交易场中至少占据了半壁江山;
2、原来研究数学、物理的科学家还真的成功地挣到了钱。这里有一个个鲜活的案例
3、原来2008年的金融危机爆发跟这帮宽客们密切相关
4、原来投资资产组合、对冲基金等金融创新都是Black–Scholes公式的产物,而该方程就是典型的扩散方程
5、原来文艺复兴公司创始人Smith是一个大数学家,当年曾跟陈省生合作提出过陈-Smith方程,该方程被用于弦论
6、原来这本书可以作为一个很好的系统科学入门教材


...
阅读(1121) | 评论(0) | 收藏(0)
  继续阅读《信息论基础》一书,这回说到了第6章:博弈与数据压缩。这一章开始用信息熵来探讨一类非常不同的问题,这就是如何在博弈中挣钱。我们会看到,其实熵这个概念是和不确定性以及收益、价值这些概念深刻地联系到一起的。只不过我觉得这本书把这块知识安排到这个位置来讲很不合适,因为这个主题实际上是与我们通常理解的信息论,即编码和通信的理论是联系不大的。
为了更清楚地看出熵与收益之间的联系,书中举了一个赛马的例子。
赛马假设在一场赛马中有m匹马参赛,令第i匹马获胜的概率为pi,如果第i匹马获胜,那么马民能够获得的收益是oi比1,也就是说如果你在这匹马上下注了100元的话,你就能获得100oi的收益。如果马民赢了会得到oi元的收益,如果输了就一分钱都得不到。假设某马民将其资金分散购买所有参赛的马匹的马票,bi表示其下注在第i匹马的资金占总资金的比例,那么bi>=0,并且Σbi=1,
这样,我们可以定义一个叫做相对收益的量,Si=bi oi来表示如果马民在第i匹马上下注比例bi,并且如果马匹i获胜了的话,他就能获得相对的收益Si,如果他对赛马总的下注资金是1000元,那么它的收益就是1000Si。很显然i能否获胜的概率是pi,因此Si也就是一个随机变量,我们关心的是Si的期望值。又因为Si是一个比例值,所以我们关心它的对数值的期望,
为此,我们定义一个叫做双倍率的变量为:
W(b,p)=E(logSi)=Σi=1mpilog(bioi)
这个定义是合理的。因为假设同样...
阅读(5142) | 评论(4) | 收藏(0)

  
这是咱们脑与deep learning读书会跨年的一次也是最后一次啦。欢迎大家参加!
时间:2014年1月5日(周日)下午2点半
地点:海淀区学清路768创意产业园B座蕴味咖啡
题目:脑与临界态
主讲人:吴令飞、肖达
提纲:
1. 大脑网络临界态的实证分析
2. 临界态意味着什么?(开放讨论)
3. 临界态对深度学习的启发和应用(个人探索介绍)
参考文献:  
【NB】【SP】Beggs J. (2007) The criticality hypothesis: how local cortical networks might optimize information processing. Proceedings of the Royal Society A. 【NB】【SP】Shew, WL, Plenz, D 2013 The functional benefits of criticality in the cortex. Neuroscientist 19(1):88-100. 
【SP】Mora T & Bialek W. Are biological systems poised at criticality? J Stat Phys 144, 268-302 (2011); arXiv:1012.2242 [q–bio.QM] (2010). 


...
阅读(1427) | 评论(0) | 收藏(0)
2013-08-04 02:00:59 

  科学在进展吗?不知道你是否跟我一样心存这样的疑问?在无穷无尽的报告、论文、书籍中寻找那么一点点的“新”刺激,新突破。然而,大部分时间都在感慨:这都是好几十年前的东西,居然还在大讲特讲。
的确,距离我上一次感受到科学的是在进展已经将近十年了。那个时候,我刚刚接触到在当时看来二十多年前的东西,就是圣塔菲研究所他们搞的复杂性科学。当时兴奋异常,夜不能寐,日思夜想,耳鬓厮磨,于是终于在荷尔蒙的刺激下建起了集智俱乐部网站……
然而十年过去了,我再也没找到更新的刺激。虽然在这十年中,我也学了不少对于我来说的新东西,比如统计物理、量子力学等等,但那些基本上都是比复杂性科学更加古老的东西,只不过我没有接触过而已。
直到最近,具体来说,也就是这一年,或者更精确说,就是上个星期,我突然意识到,科学又有了新的进展了。而且这个新进展还不止一个(实际上是有三个同时进入我的视野)。尽管,对于很多人来说我所说的新进展已经不是太新的东西了,但是基本可以肯定,至少在科普书中绝对读不到这些东西(这也可以算作评价一个东西是否新鲜的标准吧?)。虽然,除了第一个东西,其他两个的进展感觉并没有那么大的震撼力,但是,根据我的直觉(我一直以为自己的直觉好的不得了,简直就半仙儿了),这些玩意毕竟蕴含着很有前途的真正震撼的进展。
好了,卖了半天关子,就让我们看看这三个东西是什么吧?它们分别是AdS/CFT对应、深度学习(Deep l...
阅读(2780) | 评论(9) | 收藏(3)
2007-9-25 18:16:47 
  你提到了涌现和涌现的识别问题,这很好。我可以先说一说我自己的看法,然后希望你能表达你的观点。我是从计算的角度出发来思考涌现的,不知道您是否读过我写的《图灵机与计算理论》一文,在其中我隐含表达的思想就是:涌现是某种不可计算的Pattern,但是又可以被计算生成。抛开技术细节,我们可以考虑一个有趣的例子,你在一张白纸上,用墨笔画一幅画。当黑色足够多的时候,白色的背景就有可能变成了前景,变成了有意义的画。我们都应该熟悉那张著名的“老妇还是少女”或者“高脚杯还是人脸”的画吧。这个例子已经从隐喻的角度包含了涌现和涌现识别。其中,用黑笔画的画就相当于是用计算机规则生成出来的东西,而那个背景构成的就是涌现出来的东西。所谓的系统之中的涌现,一定是这个背景的东西变成前景的时候,而且从某种程度来说对前景部分起到了积极的影响作用的时候,涌现才发生。但是,这个例子不好的一个方面是,考虑背景可能太过局限了,我理解的背景是广义的东西,也就是你之前没有往系统中定义的东西。就比如一个细胞自动机中的Pattern。但是细胞自动机的Pattern的涌现过弱了,我所理解的涌现一定是强涌现的,即Pattern会对底层的东西形成某种影响或者控制。对于涌现的识别,我认为从本质上就是不可计算的。你定义好了一个计算系统,如果产生的Pattern能够被完全识别了,那么识别之后的计算系统又会产生新的Pattern,最终总有Pattern是不可识别的,我已经感觉到这根图灵停机问题深刻的联系到一起了。先...
阅读(3850) | 评论(15) | 收藏(0)

  微博地址:weibo.com/swamagents,微博帐号:@集智科学家 
集智科学家即日上线!本账号将主要报道和介绍集智俱乐部成员的私人科研进展。 开源科学:我们这群人看到的科研未来
我们是谁?
我们是集智科学家。集智俱乐部(SwarmAgentsClub)成立于2008年,创始人为Jake,是一个从事学术研究、享受科学乐趣的探索者的团体。它倡导以平等开放的态度、科学实证的精神,进行跨学科的研究与交流,力图搭建一个中国的“没有围墙的研究所”。
现在的集智俱乐部有11个核心成员,我们平时是大学、公司研究院等机构的研究员,有着自己专长的领域,涵盖复杂系统科学、计算机科学、基础物理、社会科学、科学哲学等领域。但在我们日常的工作之外,我们一直在投入一部分精力去实现我们看到的未来,包括自身直接投入探索性研究,和对相关的科研活动进行支持。
核心成员只是多承担了一些管理和协调的职责,通过这些核心成员,数以百计的年轻工程师和科学家得以相互联系,他们活跃在我们自己的邮件组,网站,和百科上。所有这些通过集智俱乐部彼此联系,照亮人类的智力史的人,都被称为集智科学家。
关于科学,我们看到了怎样的未来?
我们看到了改变。随着信息传播技术的发展,学科之间的融合会加速,学科的门槛会不断降低。“你来自于哪个学科?”“你毕业于哪个学校?”这些问题变得不再重要。当我们谈论跨学科人才,我们指的不是一个房间,里面围坐着一堆来自不同领域的...
阅读(1319) | 评论(0) | 收藏(0)

  原文是:www.sciencemag.org/content/340/6139/1438.abstract
题目为:The Origins of Scaling in Cities作者为:Luís M. A. Bettencourt
这篇文章给出了城市中超线性规律的一种可能解释。以前曾经读过几遍此文,但是都没有读懂。今天再次阅读,则基本明白了该文的思路。该文的主要想法是城市是收益与成本相互平衡的最优设计产物。
文章可以分为三部分:
1、Scaling的起源这部分主要根据三个假设:(1)人口混合假说(Mixing population),该假说认为:平均每个人的产出应该刚好等于得到这种产出的消耗。首先,Luis假设产出正比于人与人之间的交互。设城市人口为N,面积为A,并假设每个人只能通过与自己临近的人交互。那么,任意一个人所处区域大概有N/A的人(人口密度),这样,城市中总的可能的交互数就是N^2/A;然而,人口混合假说认为每个人都要与所有其他人交互,于是每个人需要运动A^(1/2)的距离才能与其他人互动,这是交互所花费的成本,即A^(1/2)。于是交互带来的产出刚好与距离带来的成本平衡,于是就有N^2/A~A^(1/2),整理就得到了一个重要的标度关系:A~N^(2/3)。这个面积与人口之间的2/3关系是与很多实证数据符合的。
进一步,由产出就是由交互产出的,即产出Y正比于总的交互数量,即Y~N^2/A,又知道A~N^(2/3),所以Y=N^(2-2/3)=N^(4/3),即产出与人口的幂律指数是大约4/3~1.333,这比实际观测到的产出与人口之间的幂指数大了不少(世纪的大约为1.15左右)...
阅读(1821) | 评论(5) | 收藏(1)
总共83页< 234567 891011 >跳到
2012-2022 www.swarma.org, all rights reserved