一个声音从身后传来。曹鹏回头,看见胖子维杰小跑着赶上来,手里还捏着一个吃了一半的甜甜圈。
“昨晚又睡在实验室了?”
“算法收敛前的最后一组实验,”维杰咧嘴一笑,露出被咖啡渍略微染黄的门牙,“我赌我的新特征选择方法能在Caltech-101上比你的方法高至少两个百分点。”
“赌什么?”
“输了的人吃一周的咖喱。”
“这不公平,你可以一辈子吃咖喱糊糊。”
“那你说。”
“办公室一周的卫生。”
“行。。。。。行吧。”
两人走进盖茨计算机科学中心时刚好八点十五分。电梯里贴着几张海报:下个月将在西雅图召开的CVPR会议征稿通知,卡内基梅隆与英特尔合作研究项目的招聘启事,还有一张,瑞迪教授不知道又获得什么奖项的新闻剪报。
项目组会议室在五楼东侧。两人推开门时,里面已经坐了三四个人。
长条会议桌一端,瑞迪教授正低头翻阅着一沓打印稿,鼻梁上架着那副标志性的半框眼镜。这位图灵奖得主今天穿了件浅蓝色的牛津纺衬衫,袖子挽到手肘,露出小臂上浓密的汗毛。
“曹,你的报告在第三个,”瑞迪头也不抬地说,“我希望看到完整的误差分析,而不仅仅是准确率数字。”
“明白,教授。”
曹鹏坐到最边上,从包里取出笔记本电脑和一份打印好的资料。他习惯纸质备份,在这个PDF和PowerPoint已经普及的年代,这显得有些老派,但他喜欢在汇报时用铅笔快速标注重点的感觉。
组会准时开始。第一个汇报的是博士三年级生艾米丽·陈,一个除了姓氏,其他各方面已经和华裔都不沾边的女生,包括长相,毕竟,作为第一批来到丑国的华工后代,你要相信基因的力量。
她做的是基于主动轮廓模型的医学图像分割。汇报到一半时,瑞迪打断了她。
“你的能量函数中正则项系数是固定的?”
“是的,目前是0。3。”
“试过自适应调整吗?根据图像局部梯度?”
艾米丽愣了一下,“这……会增加计算复杂度。”
“先验证有效性,再优化效率。”瑞迪的语气平和,却带着不容置疑的权威,“下周三之前,给我三组对比数据。”
曹鹏低头在自己的笔记本上快速记下一行字,“正则项自适应,可用于多尺度特征权重分配?”他的思维总是这样,即使在听别人的汇报,也会下意识寻找与自己课题的交叉点。
第二个汇报的就是胖子维杰。
他提出了一种基于互信息的特征选择方法,用于降低高维特征空间中的冗余。
汇报过程中,曹鹏三次举手提问,一次关于互信息估计中核函数带宽的选择依据,一次关于该方法在类别不平衡数据集上的鲁棒性,还有一次关于计算复杂度的实际评估。
每次提问都朝着要害而去。维杰的回答起初还游刃有余,到第三个问题时,额头已渗出细密的汗珠。
“计算复杂度方面,”维杰翻动着幻灯片,试图找到相应的分析页面,“理论上是O(n2),但实际实现中我们采用了近似算法……”
“近似算法的误差界是多少?”曹鹏追问。