Category Archive for 'Mr. Thursday'

Posted By Mr. Thursday 集合(Set)的概念可以在日常生活中常常見到。小時後我們可能都玩過「大風吹」的遊戲,大風吹,吹甚麼?吹有戴眼鏡的人,吹穿皮鞋的人,吹長頭髮的人。每講到一種特徵,符合這個特徵的人就要趕快起來換位置,但是因為原來講特徵的人也會搶位置,所以速度最慢的人,就變成下一個要講特徵的人了。因此每一個特徵,就形成一個集合。譬如說一個班級,考試成績大於70分的人,形成一群集合,考試成績小於90分的人,又形成另一群集合,我們如果要找成績大於70分又小於90分的人呢?只要把剛才兩個集合取交集(intersection)就可以了。除此之外,集合還有其他基本的運算,像是聯集(union),補集(complement),和差集(difference)。經由這些基本運算,可以幫我們處理不少事情,也讓數學家、統計學家、或是資訊科學家,可以在集合上面建立各種理論或應用。接下來就讓我們來看看,集合成為哪些理論的基礎或是延伸?下圖把一些集合的運算做視覺化(visualization):

Read Full Post »

Posted By Mr. Thursday 之前幾篇文章稍微提到了計算神經科學想要以數學的方法,計算出神經生物上詳細的模型,好的模型還可以在拿回電腦科學領域,尤其是人工智慧的問題上面,作為解決的方法。至於現在的機器學習方法,為甚麼我覺得不夠用呢?我主要是覺得困難在兩個地方:特徵 (feature) 的擷取,參數 (parameter) 調整過程中需要人的參與,以及文字意義 (meaning)學習上可能會有困難。以下就這三個部分來做個討論,順便討論計算神經目前能夠解決的部分,和未來有可能達成的目標 (人機介面: Brain-Computer Interface)。 首先先和各位談談二項式係數。不知道各位是否有學過多項式呢?如果不知道二項式係數,可以先看看下面這個巴斯卡三角形:

Read Full Post »

Posted By Mr. Thursday 在〈神經元和動作電位〉和〈動作電位白話文篇〉裡面和各位提到了動作電位,英文是Action Potential,是我們神經細胞裡面訊號的基本單位。今天要和各位重新拜訪一下神經細胞和動作電位的原理,並且想像我們有如奈米機器人一般,進到大腦裡面,在微觀的世界裡面觀看神經細胞,看看動作電位 (Action Potential) 如何產生,訊息如何在不同的神經元 (neuron) 裡面傳遞。經過這一趟微觀世界之旅,相信我們又可以對自己的神經系統有一番不同的了解!

Read Full Post »

Posted By Mr. Thursday 在《體溫發電機》一篇文章裡面提到了用體溫來發電的技術。然而天下沒有白吃的午餐,如果沒有作功,一顆球會往低處動,水會往低處流,肌肉不會無緣無故收縮把東西提起來。想要克服往能量低的地方走,就要給予能量才能夠讓球往高處移動,水從有插電的抽水機才能抽到高處的水塔,肌肉有能量才能產生位移造成肌肉收縮,讓東西可以被抬起來。即使是體溫,也是消耗能量才會有。 人體的能量來源,就是我們每天吃飯攝取的養分,消化吸收以後成為細胞的能量。然而,細胞沒有嘴巴,要怎麼吃飯呢?細胞消耗甚麼東西得到能量呢?消耗的東西又要怎樣子產生呢?今天就要和各位介紹在細胞的世界裡面,消耗的東西 (ATP),以及把養分轉換成細胞能量來源的胞器–粒線體 (mitochondion)。希望大家讀完這一篇,對於細胞世界如何運轉有更近一步的了解!

Read Full Post »

Posted By Mr. Thursday 《時空線索》這部電影描寫一個人可以看到未來,英文片名為 “Deja Vu”。Deja Vu就是描述這種對未來的事情感覺有點熟悉,有種似曾相識的這一種感覺。Deja Vu原本是法文的辭彙,是由一位法國的心理精神研究者Émile Boirac在他書中第一次提出這種現象的研究,因此用法文稱呼這種現象為Deja Vu。Deja Vu有可以分為三種:似曾活過、似曾感覺過、似曾拜訪過。

Read Full Post »

Posted By Mr. Thursday 在今日我們可以從網路上吸收大量資訊,有時候一堆文章看不完。如果我們想要吸收資訊,時間卻又不夠的時候,使用電腦幫我們過濾資訊,或是用電腦幫我們做個總整理,是個方法。如果今天手中有一篇文章,我們想要用電腦幫我們找出這篇文章最重要的關鍵字,要怎麼做呢?在資訊檢索 (IR: Information Retrieval)領域裡面,有個基礎的方法,入門必學的方法,就是使用 TF 和 IDF (TF: Term Frequency, IDF: Inverse Document Frequency)。使用這兩個估計值,可以讓電腦具有計算重要關鍵字的能力,進而節省我們的時間。 接下來讓我們看看,TF 和 IDF 個是甚麼東西呢?TF 全名是Term Frequency,也就是某個關鍵字出現的次數,譬如說某篇文章裡面,「電腦」這個詞出現很多次,或是「使用者需求」這個詞出現很多次,那麼這些詞句的出現頻率,就會很高。一篇文章中出現很多次的詞句,必定有其重要性。譬如說一篇論述「人工智慧」的文章,「人工智慧」這個詞句再文章中出現的頻率也一定很高。然而為甚麼除了 TF  (Term Frequency) 以外,還要有 IDF (Inverse Document Frequency) 呢?

Read Full Post »

Posted By Mr. Thursday  在《從尋找質數談談搜尋演算法》一篇文章裡面提到質數搜尋演算法,約略提到了一點演算法 (Algorithm) 以及 搜尋(search) 演算法。簡單地說,搜尋演算法就是要在一堆可能是答案的輸入資料 (input data) 當中,找出符合條件的答案。之前在《排程問題與CPU Scheduling》裡面提到了Job-Shop Problem是一個很難的排程問題 (Scheduling Problem),是NP-complete。本篇就簡單介紹一下搜尋演算法、「旅行中的商人」這個問題如何使用搜尋演算法、NP-complete的定義、以及最後提一下對偶問題(Dual Problem)。

Read Full Post »

頁次 11 of 16« 第一頁...78910111213141516