百科问答小站 logo
百科问答小站 font logo



如何激怒一位自动化学科爱好者? 第1页

  

user avatar   li-chong-52-17 网友的相关建议: 
      
  1. 你们是办公自动化?电气工程及其自动化?机械工程及其自动化? @adam zhang 这家伙今早刚问了我
  2. ”现如今,是个人就有auto.”
    “那你是人吗?"
    "我连鬼都不是,告辞。”
  3. “tie tii t cyber都不是什么正经期刊”
  4. “pid能解决x%的控制问题”
    “mpc可以解决剩下的1-x%的问题”
    “不对,adrc才可以”
    “深刻的大师!”
  5. “这个陀螺仪的控制问题的解决方案已经在ieee txx等知名控制期刊上发表过了”
    “那就不用看了”
  6. “我所在的实验室没有实验条件,该怎么办?”
    “那你只能去研究多机器人协同控制, 导弹火箭控制,外太空飞行器编队,网络空间与虚拟现实等先进问题了”
  7. “控制理论方法我早就准备好了,就差你这个做实验的往上套了”
  8. “文章这么少,肯定是不行。”
    “文章这么多,说明做的工作没意义,是灌水的”
  9. “我们做工程的,期刊影响因子就是低.”
    “谁说的,这不是有lab on chip ,nano energy”
    “那是生化才的”
    "ieee cyber。这次你没话说了吧”
  10. 问:你的控制算法实验验证过没?
    答:“我们这个没法做实验。”“我研究的是一个数学问题”
    此条感谢 @flyinsky 补充
  11. 问:"招聘里面的'姿态估计工程师',到底是干什么的?"
    @RUBICON 回答:"就是一群靠调参妄想卡尔曼滤波会收敛的人"
  12. 我:“你的论文引用数重要还是赚的钱重要”?
    大神:“当然是引用数更重要。你想一下,当你临老快要离开这个世界的时候,钱不过是银行里的一个数字,而谷歌学术里的引用数,是你对这个人类知识的贡献。” @姜宇
    我:“你错了,当然是钱更重要。你想一下,当你临老快要离开这个世界的时候,谷歌学术引用不过是服务器里的一个数字,是可以商业互吹的,而银行里的真金白银,才是大家对你的知识的态度的真实的写照。”
  13. 问:“到底什么是控制工程,什么是控制理论?”
    答:“凡是文章比我强的都属于做理论的,文章比我差的都属于做控制工程的”
  14. 大神提供素材:把ode离散化一下,就可以证明得到的系统满足马尔科夫性质,然后可以方到mdp的框架里来解了,比如pomdp


user avatar   jiashe 网友的相关建议: 
      

做理论的:


A:PID 解决了大部分控制问题。

B:MPC 也有很多应用。

A:那 PID 和 MPC 解决了大部分控制问题。

B:卡尔曼滤波也有很多应用。

A:那 PID 和 MPC 和卡尔曼滤波解决了大部分控制问题。

B:最优控制也有很多应用。

A:那 PID 和 MPC 和卡尔曼滤波和最优控制解决了大部分控制问题。

B:几何控制也有很多应用。

A:那 PID 和 MPC 和卡尔曼滤波和最优控制和几何控制解决了大部分控制问题。

B:系统辨识也有很多应用。

A:那 PID 和 MPC 和卡尔曼滤波和最优控制和几何控制和系统辨识解决了大部分控制问题。

...


想起一则故事,大意是说一个人蛮横地走在街上,挑衅街上的人:“有人敢和我打架吗?”这个时候,有一个壮汉不服,站了出来:“我敢。”那个人赶紧搂着这位壮汉的肩膀,以更自信的语气对众人喊道:“那好,那现在有人敢跟我们两个打架吗?”


---


插播三个段子。关于“90% 的控制是 PID”。且先不论这 90% 是怎么算出来的,也不论是“90% 是 PID”还是“90% 包含 PID”,如此等等。


(1)

A:90% 的控制是 PID。

B:90% 的设备是“非高精尖”的设备。(90% 的公司/产品/技术等在行业内不处于顶尖或领先位置,90% 的工程师的技术水平不那么高,乃至 90% 的人是不那么厉害/聪明的人,90% 的人是穷人,如此等等。)


(2)

A:90% 的控制是 PID。

B:那跟另外的 10% 相比,这 90% 是效果好还是差呢,技术是领先还是落后呢?


(3)

A:90% 的控制是 PID。所以 control is dead.

B:90% 的控制是 PID。所以好多设备很落后,有提升空间,市场很大;control 切切实实地落地,会有很多用武之地。


参考:一荒岛上人都不穿鞋(或曰:90% 的人不穿鞋)。一个推销员去看了,说不穿鞋就没市场(shoes are dead);另一个推销却说尚没人穿鞋,所以市场很大;切切实实地推广,会是双赢。


---


做应用的:


你实验是多少次才成功一次?

你的实验数据是从多少次实验中选的“最好”的?

你的实验在多大程度上可复现?

作为一篇 application 论文,你却只有仿真,是因为你连一次成功的实验都做不出来吗?

为了证明你的方法比别人的好,你是怎么样“精心挑选和设计”你的实验对象和实验环境的?

你拿这个方法(如算法、理论等)做这个应用,仅仅是因为别人没这么做过吗?


---


补充一下做理论的(泛泛地说):


你不就做了一个习题吗?

你只是把一个问题转化成了另外一个问题,并没有解决这个问题。

你并没有解决原问题,因为原问题有个坎你没过去,所以你加了附加条件,乃至“没过去却非得说过去了”。如果是前者情形,你是解决了加了条件之后的问题;而在后者,你则是什么也没解决但“非得说解决”了。

因为比如加了附加条件,你解决了一个现实中不可能存在的问题。

你的理论是 not even wrong 的。

你的 formulation 有问题。

这个问题是 trivial 的。

你这个问题顶多算是 incremental 的,甚至连 incremental 的都算不上。

你的 contribution 是小于等于 0 的。

你把一个不值得做的问题做得很好。但这并不能改变“这个问题是不值得做的”这个事实。

你做出来了,so what?有的问题做出来跟没做出来等价。

你做这个问题(如用这个方法,引入这个模型),仅仅是因为别人没做过吗?

你对科研的 taste 有问题。乃至:你没有 taste。

这你也好意思发表?


---


“灌水”的(包括做理论的和做应用的):


你的论文这么多,那你的代表作品是什么?

你的论文数量或发表频率已经达到甚至超过了历史上的大牛、大神级的人物,那你觉得你跟他们有区别吗?

有的论文发表与不发表等价。

你的引用这么多,那我们一篇篇地看一看,到底是谁在引?哪些是你们自己或者是有所谓“学术血缘关系”的人引的,哪些是所谓的“友好 group” 引的,如此等等。还有审稿时“建议”别人引的...

你的引用或者某某 index 也达到甚至超过了历史上的大牛、大神级的人物,那你觉得你跟他们有区别吗?

你听说过 paper machine 这个词吗?

你听说过 citation club 这种说法吗?包括私下里约定的,也包括彼此心照不宣的,等等。

做理论的:你为什么这么假设?是因为只有这样你才能推出来吗?只有这样才能推出你想要的结果吗?

做应用的:你为什么选这个实验环境或实验对象,这么设置参数,挑这个数据?是因为只有这样你才能证明你的方法比别人的好吗?

你听说过先射箭后画靶的故事吗?你听说过在黑暗里丢了钥匙却在路灯下找,是因为路灯下才有光的故事吗?你听说过刻舟求剑的故事吗?在深处求剑很难、在浅处求剑很易,甚至可以捞起来杂七杂八的很多东西,但是你求到的还是剑吗?

你做所有的这些有多大成分上是为了科研本身?有多大成分上是为了所谓的“出人头地”?你当初选择做科研的初衷就是为了这么搞吗?

为什么这么搞来搞去,我国各个自动化行业(包括应用,也包括理论)的水平还是这么差?所谓“劣币驱逐良币”,你们都不认为自己是劣币,那谁是劣币呢?有没有可能你就是劣币呢?


---


在中国,做理论和做应用的可以如下相互伤害:


做应用的:上面说的那些理论,有没有是中国人做出来的?


做理论的:同样是知道可以用这些方法,为什么中国的应用做得这么差呢?


相互伤害第二回合:


做理论的:中国的自动化水平低,是你们做应用的人的问题。是你们水平太低。


做应用的:中国的自动化水平低,是你们做理论的人的问题。是你们太不接地气。


结论:可能大概似乎也许大家水平都很低。


---


补充一个关于 learning 的。


A:控制的未来是机器学习。

B:那请看如下专栏中的文章:



如:



---


注:我不是只会写段子啊:)之前的一个相关的稍严肃的回答:



---


还有一个推荐书的公众号:


写在智能时代边上 ID: xiaoxinjiashe





  

相关话题

  如何评价Yann LeCun 说的「要研究机器学习,本科应尽量多学物理和数学课」? 
  如何评价《王者荣耀》「绝悟」AI? 
  如何评价朱广权battle AI手语主播?AI能否取代手语翻译,造福更多聋哑人? 
  从围棋角度看李世石与 AlphaGo 的第二局比赛有哪些关键之处? 
  如何理解Inductive bias? 
  如果因为AR识物错误,造成人员伤亡,相关技术企业需要承担责任吗? 
  这样是不是就可以把人类的所有图像内容穷举出来了? 
  如何评价沐神他们写的《动手学深度学习》这本书? 
  有哪些关于机器学习的真相还鲜为人知? 
  现代人工神经网络是不是一个死胡同?这个技术是不是骗人的? 

前一个讨论
科研工作者有哪些「新手常见错误」?
下一个讨论
怎么在simulink里面搭建如图所示的模块?





© 2024-11-24 - tinynew.org. All Rights Reserved.
© 2024-11-24 - tinynew.org. 保留所有权利