有学习方向的时候，感觉其余什么都是浪费时间。 上次的程序化读文献，让我找到更多着手点。对于如何学会文献中的算法，结合数学建模的余热，思考以备明日之继续深入。 以ANN模式识别与基于BEM信道估计为例。对后者，我的学习过程是，1.搜索中文论文，从李昕
有学习方向的时候，感觉其余什么都是浪费时间。
上次的程序化读文献，让我找到更多着手点。对于如何学会文献中的算法，结合数学建模的余热，思考以备明日之继续深入。
以ANN模式识别与基于BEM信道估计为例。对后者，我的学习过程是，1.搜索中文论文，从李昕那篇硕士论文找到BEM基函数，而后迅速得到单信道的基系数，但是未能理解块内采样点以及错误的使用了基系数返回估计h时，与之相乘的不是前n个点。队友全凭本能，使用了插值。2.后来看了多半个下午的英文文献，而后对OFDM以及导频法分别花了很长时间，最终做QAM的时候已经没有经历。之所以看导频法跟OFDM，是因为看过的文章都似乎在那个基础上再使用BEM，并猜测题中所说减少频率就是指先使用导频，本希望这也能解决对块采样的疑惑。
后来从mike的博客中，感觉自己一开始就没明白信道的含义。自己首先应对整个学习过程有明确的问题提出，并及时回答自己，纠正方向。搜索阅读固然重要，但每次都指望英文文献或中文论文会把基本原理讲述清楚的观念不一定正确。以现在的ANN模式识别为例，现在已有问题如下：1.对ANN还算有点基本了解，训练样本的输入输出形成一套权值，输出可作为模式识别，那篇文章指出的是用摇摆曲线提取的特征值作为输入。是不是所有的有输入输出关系的东西都能用来做模式识别，怎样才能确定输入中含有了与输出有实际对应的逻辑关系？2.特征值如何提取3.稳定不稳定模式的规则是不是就是单机的摇摆曲线是否趋于无穷大？
我感觉要是想解决第一个问题，我又要开始搜ANN的基本原理类的东西，第二个问题是趋于实践ANN，第三个问题又要系统思考单机与多机失稳不同的定义。暂时忽略第一个问题，回头用ANN适用条件来搜索下。
除此之外，要学HADOOP，就要学JAVA类才能看懂具体的MAP类编程。还要看失控那本书，这是种纯粹品味别人思想的过程。
